研究者提出SLoSa框架：小模型低功耗安全机器人任务规划

Weizhe Xu 等研究者在 arXiv 发布论文，提出 SLoSa 神经符号压缩与微调框架，用于训练小尺寸、低功耗且具备安全意识的机器人任务规划基础模型。该框架先用经典规划器、教师大模型和形式化验证器构建安全感知数据集，再进行监督微调与基于验证奖励的强化学习微调，以保障安全对齐。 据论文报告，在 PDDL 任务上，4B–14B 参数的小模型成功率达到 70.5%–76.0%；以 INT4 量化部署于 Jetson Orin 时，平均功耗为 17.85–26.41 W。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。