Tags: #reward modeling

RynnValue 用从观测到语言目标的剩余时间替代偏好与归一化进度，在 7,000+ 小时异构机器人数据上训练价值模型，并作为 VLA 的密集奖励接口。

精读 WARP-RM：通过 AR(1) 时间扭曲生成自监督进度标签，再用密集 signed progress 过滤和重加权行为克隆数据。