CaPtain 流水线先用 GPT-6 Astra 生成的轨迹监督微调 Qwen3.5-4B,再经多轮强化学习,练成的小模型在 LIBERO 留出测试集上的成功率达到 73.8%,在 LIBERO-PRO 上达 78.5%;代码、数据与模型权重已全部公开。
正文完
CaPtain 流水线先用 GPT-6 Astra 生成的轨迹监督微调 Qwen3.5-4B,再经多轮强化学习,练成的小模型在 LIBERO 留出测试集上的成功率达到 73.8%,在 LIBERO-PRO 上达 78.5%;代码、数据与模型权重已全部公开。