北大与微软亚研提出 BCP：让 VLA 自己决定何时重规划

北京大学与微软亚洲研究院提出 Bernoulli-Continuation Policy（BCP），冻结基座 VLA、仅训练 16.4M 参数的轻量级 head，把「执行多久」拆解为一系列「继续执行还是重新规划」的伯努利决策，并用 GRPO 从轨迹级结果优化。