Pesquisadores apresentam o TinyAstral, um método para transferir para um modelo menor os aprimoramentos nas ferramentas, no feedback e na lógica de recuperação de um agente robótico. No RoboTwin, a equipe relata que melhorar o sistema do modelo-professor elevou sua taxa de sucesso de 33.4% para 63.6%; o modelo-aluno destilado, de 4B, chegou a 62.8%.
Segundo os pesquisadores, o modelo-aluno usou cerca de um quinto do tempo de acelerador do modelo-professor nos episódios de implantação avaliados. O trabalho é um artigo publicado no arXiv; o resumo não descreve uma validação independente.
Por que importa
Para equipes que executam agentes robóticos, a redução relatada de cinco vezes no tempo de acelerador pode diminuir a necessidade de computação na implantação, embora o resumo não comprove validação independente nem desempenho mais amplo no mundo real.
