以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Predicting long action chunks, often spanning dozens of timesteps, has become a key ingredient in increasingly capable robot policies. In this paper, we find that adapting these long-chunk policies with existing reinforcement learning (RL) methods can require many online samples due to the high dimensionality of the ac
阅读原文 · Xu Luo, Jiaying Yang, Hao Wu, Junlin Xie, Zijin Hong, Ji Zhang, Lianli Gao, Jingkuan Song
向阳乔木 · opencode-go/deepseek-v4.1-flash
长动作块（long action chunk）已经是机器人策略里的常见做法，一次预测几十个时间步，执行起来连贯。问题出在后面：如果想让这类策略在新任务上继续适应，用现有 RL 方法微调，样本消耗会大到不现实。 这篇 ExRL 提了个很讨巧的切口： 不去优化动作本身，而是优化每个动作块该执行多长 。这个思路值得做机器人策略落地的人看一眼。 这篇论文想解决什么...