ConSFT：以保守监督微调保留流匹配 VLA 的基础能力

流匹配视觉-语言-动作 (VLA) 模型的无约束 微调 会导致密集参数覆盖，从而降低预训练能力。我们提出了保守监督 微调 (ConSFT)，这是一种适应目标分布的优化目标，同时减轻灾难性遗忘，需要零先验数据或架构开销。通过基于模型置信度动态缩放学习信号，ConSFT 抑制低置信度样本的过度梯度，以防止不成比例的参数更新，从而限制内在参数破坏风险。受强化学习信任区域裁剪的启发，该公式建立了渐进式学习动态，以确保目标收敛和先验能力保留，保持稀疏参数更新，而不依赖于显式正则化所需的并行参考网络。我们在最先进的流匹配 VLA（$π_0$、$π_{0.5}$ 和 GR00T-N1.6-3B）的 LIBERO 和 RoboTwin 基准上评估 ConSFT。该方法在能力保留方面优于普通 SFT，平均高出20个百分点以上，与无需旧任务数据的设置中数据密集的经验回放的功效相匹配。现实世界的机器人部署证实，ConSFT 可以防止下游适应过程中的空间过度拟合，在获取连续目标任务的同时保留预先训练的物理操作技能。