后训练、微调与引导：训练数据策划实用指南

基于摘要分析。该研究面向 Vision-Language-Action（VLA）模型在新机器人任务上的适应问题，考察如何根据已有轨迹的来源与质量选择适应方法。其贡献是围绕 on-policy 与 off-policy 数据、离线与在线适应、最优与次优轨迹等条件，比较基于 critic 的引导、监督微调及强化学习适应方法，而非提出 EEG/BCI 算法。 评估覆盖 LIBERO 套件中的仿真任务及 Franka 平台上的真实机器人任务。作者报告，在离线且包含失败数据的条件下，基于 critic 的引导优于监督微调；但用于训练 critic 的离线强化学习技术，未能优于更简单的 Monte-Carlo 方法。这一区分提示，应分别核对“利用 critic 引导是否有效”与“如何训练 critic 更有效”，不能将两者视为同一结论。 作者报告，在在线适应条件下，基于 critic 的引导比基于策略梯度的微调具有更高的样本效率，但其性能上限低于完整微调。摘要未提供具体分数、交互预算、任务划分或统计不确定性，因此无法量化该权衡，也不能据此认定某种方法在所有数据条件下更优。 critic 的具体引导方式、Monte-Carlo 估计细节、轨迹构成、模型配置、实验协议、消融及统计信息尚未验证。材料未提供神经信号建模或 BCI 评估证据，不应将机器人任务中的适应结果直接解释为 EEG/BCI 有效性；已有 EEG 相关工作尚未检索确认。