TacitVLA apprend du raisonnement sans faire attendre les actions pour le texte généré

Quand un modèle formule un raisonnement avant d’agir, l’action doit-elle attendre ce texte pour tirer parti de l’entraînement au raisonnement ? Le délai compte même dans les tâches où les actions suivantes ne réutilisent jamais le texte.

L’article teste si l’entraînement sur le raisonnement suffit, tout en excluant le raisonnement de l’appel en cours des entrées utilisées par l’action.

TacitVLA est entraîné sur du texte de raisonnement sans que le texte en cours intervienne dans la génération de l’action, qui peut ainsi démarrer sans l’attendre.

TacitVLA entraîne un modèle à produire du texte de raisonnement, mais empêche l’expert en actions de prendre en compte le texte de l’appel en cours.

Pour les tâches de mémoire, le modèle rédige tout de même l’entrée suivante du registre, un relevé continu utilisé par les appels ultérieurs, pendant l’exécution de l’action en cours.

Dans les tests de manipulation et de conduite, ses performances mesurées étaient proches de celles d’Explicit Reasoning, dont l’action utilise le texte de l’appel en cours.

Sur LIBERO-Plus, TacitVLA a aussi obtenu un score supérieur à No Reasoning sans générer de texte au moment du déploiement ; les auteurs interprètent ce résultat comme un bénéfice de la supervision par le raisonnement, transmis par la représentation apprise.

Les résultats portent sur quatre configurations de tâches testées, et les performances dépendent de la qualité des données de raisonnement.

Pour les tâches de mémoire, générer une entrée de registre pendant l’exécution de l’action évite un délai supplémentaire uniquement si cette entrée est terminée avant la fin de l’exécution ; une entrée plus longue ou une fenêtre plus courte peut ajouter du délai.