泛化

Generalization入门必知

模型在训练时没见过的新情况下，仍然能做对的能力。

泛化是机器学习的核心概念，指模型在训练数据之外的新样本上依然表现良好，而不只是记住训练集（只记住训练集、换新数据就变差叫过拟合）。机器人学习里泛化尤其难，因为真实世界变化太多：换块桌布、换个杯子、挪个位置、换种说法，都可能让策略失败。所以研究者常按变化类型分开评测，如物体泛化、场景泛化、位置泛化、指令泛化。2025 年 Jensen Gao、Dorsa Sadigh 等人提出的 STAR-Gen 把泛化分为视觉（外观和背景变化）、语义（概念和指令变化）、行为（需要不同的动作方式）三类，并发现开源 VLA 模型尽管用互联网规模的语言数据预训练过，在语义泛化上仍常常吃力。泛化能力是衡量通用策略的主要标准。