CFG 让单步离散动作成功率从 27.1% 升至 49.2%，研究者澄清其原理

YouJiacheng · x · 2026-10-21

Zeji Yi 在机器人策略训练线程中介绍修正因式分解误差的方法：训练时随机把观测替换为空白输入，使模型同时学到整体猜测；测试时用 classifier-free guidance (CFG) 把每个 token 的信念集中到当前观测相对整体猜测更支持的 mode 上，单步离散动作成功率从 27.1% 升至 49.2%，而动作误差几乎不变（16.4→16.3mm）——说明 CFG 修正的是因式分解误差而非精度。

You Jiacheng 补充澄清一个常见误解：这里的 CFG（对比解码）不是简单的分布锐化。离散回归用 argmax 解码本就 100% 锐利，CFG 的锐化是相对无条件先验而言，类似不平衡分类里把 CFG=1 视为先验校正到均匀分布。