TacitVLA：让 VLA 推理不再拖慢动作
AI 总结
新论文提出 TacitVLA，一种推理型视觉-语言-动作（VLA）模型：它的动作专家在本次调用中不关注自己生成的推理文本，因此动作不必等待自回归解码。作者称推理监督本身已经改善了主干表示，在 RoboMME、RMBench、LIBERO 和 PhysicalAI-AV 四个涵盖操作与自动驾驶的基准上，TacitVLA 以最高低 3.4 倍的延迟达到与显式推理版本相当的表现，并在与不含推理训练的同一架构相同延迟下带来最高 +17.1% 的成功率。绝对成绩方面，论文报告 RoboMME Counting 为 82.7%（此前最佳 66.8%）、RMBench 为 77.5%（56.5%）、LIBERO-Plus 为 72.9%，PhysicalAI-AV 闭环驾驶公开赛道场景分 52.5%。以上数值均为论文自报，尚待独立复现。
深度见解
若结果可复现，这种“隐性推理”思路可让机器人操作与自动驾驶策略在保留推理收益的同时满足实时控制所需的延迟。