VLAC-8B 是面向真实世界机器人强化学习和数据精炼的通用视觉-语言-动作-评论模型，可作为 pair-wise critic 与操作模型使用。它基于图像和任务描述进行任务进度预测与任务完成验证，也支持过程跟踪、任务完成判断、任务描述估计、视觉问答以及具身动作输出。模型采用 pair-wise 比较机制，用于提升稠密进度评论的准确性、识别状态变化，并允许轨迹中的每一步作为起点。

训练数据包括 3000h+ 人类第一视角数据、1200h+ 综合公开机器人操作数据和 15h+ 自采集操作数据，并结合图像理解数据集。视频被处理为任意两帧之间的 pair-wise 样本，以学习任务进度差异，并辅以任务描述和完成度评估来支持进度理解与动作生成。该模型用于预测任务进度、区分失败动作或轨迹，为真实世界强化学习提供稠密奖励反馈，并可对低分轨迹和负向 pair-wise 动作进行筛除以辅助模仿学习数据 refinement。