跳到正文
热点事件持续更新

SpikingVLA：异步脉冲视觉-语言-动作模型

1 篇报道1 个报道来源2 小时前 更新

先了解这件事

AI 综述

2026年10月8日，arXiv（Computation and Language，一手来源）发布 SpikingVLA，一个面向准确且低延迟脉冲 VLA 推理的 ANN-to-SNN 转换框架。该框架提出 Dendritic Integrate-and-Fire（DIF）神经元，通过树突混合与自适应体放电缓解通道激活异常；同时引入异步执行机制，跨 VLA 各组件重叠时间计算，以降低同步开销。实验结果显示，其成功率（SR）与成功率加权路径长度（SPL）分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。目前报道仅涉及该框架方法与实验指标，尚无后续独立验证或对比信息。

AI 根据报道生成 · 2 小时前更新

最新进展10月8日 12:00
arXiv 发布 SpikingVLA：DIF 神经元加异步执行，SR/SPL 提升 11.9%/12.6%，首动作延迟降 11.2 倍。

报道时间线

沿着报道，了解事件的不同侧面。

10月8日
  1. arXiv · Computation and Language
    SpikingVLA：异步脉冲视觉-语言-动作模型

    SpikingVLA 是一个 ANN-to-SNN 转换框架，用于实现准确且低延迟的脉冲 VLA 推理。它提出 Dendritic Integrate-and-Fire（DIF）神经元，通过树突混合与自适应体放电缓解通道激活异常，并以异步执行机制跨 VLA 组件重叠时间计算、降低同步开销。实验显示其 SR 与 SPL 分别提升 11.9% 和 12.6%，首动作延迟降低 11.2 倍。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。