Seed GR-RL
ByteDance Seed / 豆包 · 2025-12-02 · 类别未确认
官方发布来源 · 按需求选型 · 查看覆盖缺口 · 归档与转录记录
Seed GR-RL
字节跳动 Seed 发布的机器人强化学习框架，把通用视觉-语言-动作策略训练成擅长长时程灵巧操作的专用策略，官方认为人类演示在灵巧高精度任务里可能嘈杂且次优。官方以自建的穿鞋带真实世界任务自评：三阶段训练（离线数据过滤 → 物理对称性增强 → 在线强化学习）把成功率从行为克隆基线的 45.7% 推到 83.3%。
- 输入模态
- 图像 / 动作
- 上下文
- 官方资料未说明
- 参数
- 官方资料未说明
- 价格（每百万 tokens）
- 无此口径报价；不等于免费
本变体的评测证据
归一化读数：不计算；样本及方差不完整，无法计算置信区间。
原文位置与完整协议
heading: Dexterous Long-Horizon Capabilities · row: GR-RL 最终成功率（穿鞋带任务） · quote_snippet: GR-RL’s success rate ultimately rose to 83.3% after roughly 150 real-world closed-loop exploration and correction trajectories
{
"harness": null,
"tools": null,
"shots": null,
"reasoning_effort": null,
"temperature": null,
"top_p": null,
"token_budget": null,
"turn_limit": null,
"time_limit": null,
"run_count": null,
"aggregation": "真实机器人闭环任务的成功率（官方未给出尝试次数分布与成功判定细则）",
"judge": null
}new-benchmark: shoelace-lacing-success-rate（官方自建的长时程灵巧操作任务「穿鞋带」成功率，真实世界机器人单次尝试口径）。官方正文给出的训练消融链（同一任务、同一指标）：行为克隆基线 45.7% → 加任务进度数据过滤 61.6% → 再加物理对称性数据增强 72.7% → 再做在线强化学习 83.3%。该指标为厂商自建任务的自评值，不是标准公开基准，官方未披露判定标准与统计口径，横向比较需谨慎。