机器人策略有一类失败特别让人难受：它明明会做这个任务，只是在某一步「理解错了」。你让它「先把方块放进碗里，再放香蕉」，它抓起方块、抬起来几厘米，然后松手——离碗还有半米。你把同一句话换个说法，它就成了。

这篇论文问的是一个很窄但很实际的问题：如果不改指令、不重训、不收集示范、也不加 adapter，能不能只改权重，把这个「读错」修掉？作者给出的答案是能，而且给的是一个闭式解——不需要梯度，不需要优化器，只需要一次激活采集和几次矩阵运算。

先把结论摆在前面，免得读者被后面的数字绕晕：

• 被修的对象是一个零样本的 π0.5 DROID 检查点，约 3.35B 参数，在 16 个 RoboLab 任务上从没训练过。
• 修的动作发生在 VLM 的 17 层 MLP 下投影上，一次闭式更新，秩不超过 72。
• 128 个留出种子上，成功率从 27/128 涨到 106/128，81 个起点被修好、2 个被弄坏，p = 7.2 × 10⁻²²。
• 同样大小、同样层、同样奇异值的随机方向更新，只拿到 9/64，和未编辑策略的 13/64、9/64 一个水平。
• 代价不是钱，是「你得先找到一个管用的说法」——论文把这条写成了方法的前提，也写成了它的边界。

这篇解析会按「问题 → 方程 → 参数位置 → 样本与成本 → 结果 → 边界 → 局限 → 落地」走一遍，凡是论文没做的对照，我会明确标出来。

图 1｜同一个留出起点（90002）在未编辑与编辑后策略下的四个同步控制步：上排未编辑策略在抓起方块后三步就松手，下排编辑后策略一路握到碗上方，指令文本一个字没改。

一分钟速览

• 失败类型：语言绑定错误（language binding）——抓对了东西，但把目的短语绑到了另一个物体上。指令说「方块然后香蕉进碗里」，它在握着方块的时候认为「该进碗的是香蕉」。
• 诊断手法：把 21 条已经录下来的「过早松手」决策在固定图像、固定机器人状态、固定流匹配噪声的条件下重放，只换指令文本。改掉方块的名字，21 条全部照旧松手；把「in the bowl」挪到方块后面，只剩 1 到 3 条。
• 方法：把「管用的那个说法」在每一层 VLM 上造成的残差增量，当成值矩阵；把原句在该层的 MLP 下投影输入，当成键矩阵；解一个正则化最小范数方程，把键映射到值。
• 编辑位置：language.blocks.00–16.mlp.linear，每层 16,384 维到 2,048 维的那一块。全量编辑改动 450,468,837 个存储值，占 13.4%。
• 主结果：128 个留出种子上 27/128 → 106/128，+61.7 个百分点（95% 区间 52.3–70.3），Wilson 区间 75.3–88.4% 对 14.9–29.0%，两者不重叠。
• 更小的版本：只用 32 个图像格子的键、只改 8–16 层，秩不超过 32，低秩因子存下来 5.3M 参数（0.16%），留出 102/128 对 19/128。
• 副作用：同一条编辑原封不动跑到另外 15 个任务上，眼镜和「方块放碗左边」两个任务显著变好，其余 13 个任务没有可测差异（全部 p ≥ 0.12）。
• 边界：感知混淆、缺技能、接触物理、夹爪阈值这四类失败，编辑全部无效；七个盲编辑只有一个通过留出评分。

误读长什么样：把「放进碗里」绑到了错的东西上

这一节把失败本身拆开。作者用的例子是 RoboLab 里的「方块然后香蕉进碗」任务，指令原文是 Put the cube then the banana in the bowl。

一个动作早了三次控制步

未编辑策略在这个任务上的表现有一个很干净的结构：它先去拿方块（64 次里 63 次），抓起来，抬几厘米，然后在还没到碗的时候松手。作者给这个动作起了名字，叫过早松手（premature release）。而只要方块真的先到了碗里，这一局基本就成了——九次里大约七次成功。

这两句话合起来说明一件事：技能在。策略会抓、会搬、会放，缺的只是「什么时候该松手」这一个判断。这也是后面所有讨论的前提：如果技能不在，改权重是没用的。

论文给的第一个数字是 64 局里成功 9 局。这个数字和后面主结果里的 27/128 不是同一批种子，论文在讲噪声地板时也交代了未编辑策略自己的波动范围：同一套权重，不同留出批次上从 5/64（7.8%）到 27/128（21.1%）都出现过。这一点很重要，后面讲噪声地板时会再回来。

把指令换掉、权重不动，21 条决策里 19 条不再放手

真正把「这是读错」这个判断立住的，是重放实验。作者从录制的决策里挑出 21 条「过早松手」，在图像、机器人状态、流匹配噪声全部固定的条件下重放，只改指令文本。结果：

• 原句：21/21 仍然松手。
• Put the rubiks cube then the banana in the bowl（只改了方块的名字）：21/21 仍然松手。
• Put the banana then the cube in the bowl（换顺序）：3/21 松手。
• Put the cube in the bowl then the banana（把目的短语挪到方块后面）：3/21 松手。
• Put the cube in the bowl then put the banana in the bowl（显式重复目的短语）：2/21 松手。
• Put the cube in the bowl（只说第一步）：1/21 松手。

这个对照表的设计很讲究。改名字不影响，说明问题不在「认不出方块」；换顺序和挪短语都大幅改善，说明问题在目的短语和哪个名词绑定。作者由此把显式重复的那个说法叫已知好指令（known-good instruction）：权重一个字没动，闭环成功率从 3/32 变成 22/32，20 个被修好、1 个被弄坏。

这句话值得单独拎出来：同一个网络、同一批种子、同一套权重，只因为把话说全了，成功率从 9.4% 变成 68.8%。这不是「模型不会」，这是「模型读错了」。

一个注意力头里的绑定错误

论文还给了一个微观证据：在 VLM 的第 1 层第 1 个注意力头里，目的词（bowl 那一类）对相邻名词的注意力是 0.69，对第一个名词的注意力是 0.02。

这个数字不能过度解读——它只是一个头、一层、一个样本上的观察，作者自己也只把它当旁证。但它和图 2 的重放表指向同一个结论：错误发生在「指令怎么被读进表征」这一步，而不是发生在动作生成那一步。这个定位直接决定了后面编辑该加在哪里。

图 2｜上半部分是改写指令、权重不动时 21 条记录决策里还剩几条松手；下半部分是各类权重编辑按建造顺序的结果与变体，右侧是闭环成功率（编辑后/未编辑）。

闭式解：解的是「一组键到一组值」的最小范数方程

这一节是全文最技术、也最值得慢慢看的部分。结论先说：它解的不是「让输出变对」的优化问题，而是「让某一层的输入-输出关系，从原句的样子变成好指令的样子」的线性方程组。

π0.5 的结构与被编辑的张量

π0.5 由两部分拼起来：一个 18 层的 PaliGemma 视觉语言模型，加一个 18 层的 Gemma 动作专家。VLM 吃两路 224×224 相机的图像 token、指令 token 和机器人状态 token，注意力是双向的，所以图像 token 能看到指令。动作专家通过注意力读 VLM 的键和值，用流匹配产出 15 步的动作块，里面含 7 个关节命令和一个夹爪命令，夹爪在 0.5 处二值化。

编辑只动 VLM 里的一块：language.blocks.00–16.mlp.linear，也就是第 0 到第 16 层 MLP 的下投影，每一层把 16,384 维隐特征压到 2,048 维的残差流上。动作专家、动作头、视觉塔都不碰。

键和值分别是什么

这是全文最容易被略过、但决定成败的一步。作者在每一层构造 72 个键：

• 40 个键落在两个 prompt 共有的位置上：序列起始、Task: 这个标记、以及机器人状态 token。
• 32 个键落在图像格子上：两路相机各 16 个。

每个键的定义是「原句下、该层 MLP 下投影的输入」，在 6 条记录下来的过早松手决策上取平均。值则是「好指令下该位置的残差增量」减去「原句下该位置的残差增量」，逐层算。

于是每一层有一对矩阵：Kℓ 是 72 × 16,384，Vℓ 是 72 × 2,048。目标是找一个 ΔWℓ，让 Kℓ ΔWℓ ≈ Vℓ。

方程本身

写成闭式解就是标准的正则化最小范数更新：

$$\Delta W_{\ell }=K_{\ell }^{\top }{\left(K_{\ell }{K}_{\ell }^{\top }+\lambda I\right)}^{-1}{V}_{\ell }$$

这里的 Kℓ 是键矩阵、Vℓ 是值矩阵，λ 是正则项，取 10⁻³ · tr(KℓKℓᵀ) / 72，也就是按键的尺度自动定标；I 是 72 维单位阵。因为求逆的是 72 × 72 的小矩阵，整个解只在每层算一次。

作者明确交代了来源：这是语言模型里改写存储关联用的多键闭式解，出自 MEMIT 与 ROME 那条线。它和上下文蒸馏不是一回事——上下文蒸馏是训练一个模型去模仿「带着某段 prompt」的行为，而这里一次训练都不做。

值得说清的一点是：更新在每层的秩不超过 72。这意味着它不是「把某个神经元拧一下」，而是把 72 个方向上的线性响应整体改写。后面讲「为什么它不稀疏」时会回到这里。

为什么这算「把指令写进权重」

论文给的机制解释是三句话，我认为第三句最关键：

1. 显式改写只把图像 token 移动了它们范数的 2–4%。
2. 但动作专家把 13–44% 的注意力放在图像 token 上，33–58% 放在指令和状态 token 上。
3. 因为前缀注意力是双向的，图像 token 会去注意指令。作者的工作假设是：指令被读进了图像表征，而动作专家在决定「要不要继续握住」时读的正是这份图像表征。

也就是说，这条编辑改的不是「动作策略」，而是「动作专家要读的那份图像表征里，关于『谁该进碗』的那部分内容」。这解释了为什么把它挪到动作专家或动作头上效果会差——那里已经没有「指令」这个变量了。

离线验证先做：编辑后，21 条过早松手全部消失；9 条正确搬运和 19 条第二阶段（放完方块去拿香蕉）的决策一条没变；编辑后的动作和好指令下的动作距离是 4.5 cm，未编辑是 8.1 cm。这三条同时成立，才允许进闭环。

编辑落在哪些参数上，为什么能不碰别的行为

这一节回答读者最关心的工程问题：如果我要改，改哪一块？改错了会怎样？论文用同一份蒸馏、同样的 6 条决策、同一个好指令，在五个不同位置各建了一份编辑，然后在 64 个共享留出种子上统一比。

五个位置、同一份蒸馏

编辑位置	改动存储值	离线剩余松手（21 条）	留出成功（未编辑 5/64）	眼镜迁移（32 对）	碗左迁移（32 对）
VLM 全量	450M	0	55/64（50 修好 0 弄坏）	25（未编辑 14）	20（未编辑 4）
VLM，0.16% 变体	248M	2	41/64（38/2）	未跑	未跑
VLM + 动作专家	506M	0	43/64（41/3）	未跑	未跑
动作专家	60M	1	20/64（20/5）	11	2
动作头，最小范数	8,056	2	0/64（0/5）	未跑	未跑
动作头，门控（盲编辑）	1,024	0	30/64（28/3）	12	1

这张表的信息量比它看起来大。请注意最后一列和倒数第二列：只有 VLM 那一行在两个迁移任务上都明显超过未编辑基线，动作专家那一行在眼镜上还有 11 对 14 的差距（没赢），在「碗左」上只有 2 对 4。而动作头的最小范数编辑把留出成功率打到 0/64——不是没效果，是负效果。

只有 VLM 会迁移

论文的说法很干脆：修的地方就是 VLM，因为指令是在那里被读的。

VLM 编辑对每层权重的改动中位数是它们范数的 1.7%（范围 0.5%–8.3%），不大。而在被蒸馏的那 6 条决策上，它复现了好指令对动作专家残差流造成的 104%–114% 的变化——也就是说，动作专家没被碰过，但它算出来的东西和「被告知好指令」时几乎一样。

这个「不碰下游、却让下游算出同样的东西」是整篇论文最漂亮的一处。它也是「为什么可以不动其他行为」的第一层答案：编辑改变的是上游表征，下游的行为差异是这份表征的自然结果，而不是被硬拧出来的。

为什么下游需要更大的改动却更差

第二层答案来自失败的那几个位置。

动作专家那一版，最小范数更新的大小中位数是权重本身的 0.99 倍（范围 0.04–2.22）。原因写在附录里：动作专家的 MLP 输出在加进残差流之前要乘一个自适应范数门控，按层不同，这个门控在 27%–99% 的维度上小于 0.05。也就是说，你写进去的东西大部分被门控压掉了。正确做法是解带门控的同一个岭问题：

$$\underset{\Delta W}{\min }{\Vert g\odot \left(K\Delta W\right)-V\Vert }_2^2+\lambda {\Vert \Delta W\Vert }_2^2$$

g 就是那道门控，⊙ 是逐元素乘。当所有门控都等于 1 时，它退化成前面那个闭式解。直接套用不看门控的版本，21 条松手一条都没修掉；按门控解开，修好 20 个起点、弄坏 5 个，但它的第一个动作块在 52% 的回合里就下令闭合夹爪——手臂还没伸到任何东西跟前。

动作头的最小范数版本更极端：它在「过早松手」和「接近香蕉」这两种状态上施加的夹爪速度变化几乎一样（−1.09 对 −1.10），于是在 94% 的回合里第一个动作块就闭爪，一个都没修好。盲编辑的门控版本好一些（30/64），但迁移不到任何任务。

结论可以压成一句：编辑必须加在「已知好输入和坏输入真正分叉的那一层」。在这里，分叉发生在 VLM 读指令的那一步；再往下游走，你只能用更大的改动去覆盖一个已经错了的中间结果，副作用随之而来。

图 3｜六个编辑位置在 64 个共享留出种子上的成功率（虚线是未编辑的 5/64），以及各位置在眼镜与碗左两个迁移任务上的表现：只有 VLM 那一行同时赢下两边。

需要多少样本、什么信号、一次编辑多贵

这一节把「成本」拆成三件事：要多少数据、要什么监督、算多久。这三件事的答案差别很大，混在一起说容易误导。

一次采集，六条决策，八个说法

构造一次编辑需要的东西是：

• 一次激活采集，覆盖 6 条记录下来的过早松手决策。
• 每条决策在 8 个不同指令下各回放一次（原句加上各种改写），采集每层 VLM 的残差和 MLP 激活。
• 一个已知好指令，也就是前面那个把目的短语说全的版本。

监督信号不是动作标签，也不是成功标签，而是「同一个决策、同一帧图像、同一个噪声，在好指令下这一层的残差增量减去原句下的残差增量」。换句话说，监督来自网络自己在两种输入下的内部差异，不需要人工标注，也不需要额外示范。

这一点是它和微调最本质的区别：微调要的是「正确答案」，这里要的是「同一个网络在另一种说法下的内部状态」。所以它天然只能修「已经存在正确内部状态」的失败——这条限制后面会反复出现。

离线先筛，闭环再验

流程是四段，作者把它做成了一条命令 weightsmith distill：

• 选：按规则从未编辑策略的练习回合里挑出失败决策（工具用的是「过早松手」规则，不是人工挑）。
• 采：在原句和好指令下重放这些决策，抓激活。
• 建：按层解那个闭式方程，得到 ΔWℓ。
• 验：在没有参与建造的决策上做离线回放，看目标决策有没有被改掉、保护决策有没有被破坏。

这条命令有一个明确的边界：它自己从不启动闭环评测。闭环留给操作者，用留出种子跑。这个设计是有意的——离线回放能挡住大部分坏编辑（论文里那几个失败的尝试都是在这一步被拦下的），但它证明不了成功率。

成本的三个口径

• 数据：6 条决策 × 8 个指令 = 48 次决策级前向，用于建键值。离线检查另需在 49 条记录决策（21 条松手 + 9 条正确搬运 + 19 条第二阶段）上回放。
• 算力：整项「编辑位置」研究用了 5.9 GPU 小时，卡是 RTX 3090，其中大头是闭环评测而不是编辑本身。编辑本身是每层一次 72 × 72 求逆加两次矩阵乘，共 17 层——按这个规模推断是秒级，但论文没有单独报 build 步的墙钟时间，这个数字是我按算术量估的，不是论文数据。
• 钱：Claude Opus 编辑组的 API 花费约 799 美元（其中堆叠任务 632、首个项目 94、扁盒任务 73），同协议复现那一次约 20 美元。操作者会话与 GPU 时间没有计价。

作为对比参考：这个任务上没有微调基线，论文也没打算和微调比。它比的是「同一批权重 + 换一句话」这条上界，以及「同尺寸随机方向」这条下界。

能不能批量叠加多条指令

这是读者一定会问、而论文没有回答的问题。诚实的说法是：没有实验。

能拿来推断的只有一处：作者做过一个「保留键」变体，在图像格子的 32 个键之外，再加 160 个来自另外五个任务的键，全部映射到「零变化」，然后在 0–16 层上一起解。离线只剩 1 条松手，闭环 24/32 对 3/32，21 修好 0 弄坏，黄油任务上也没变差（10/16，和原版一样）。

这说明「在同一个解里同时写『这些要变、那些不许变』」在数学上是通的，也说明把多条修正叠进一次更新并非不可能。但论文只做了「一条修正 + 一组保持约束」，没有做「多条修正互相叠加」，也没有测叠加之后彼此的干扰。所以这条只能算「有依据的猜测」，不能算结论。

仅示意：weightsmith distill 的实际步骤（按论文第 4.5 节与附录 C 重述）
1  从未编辑策略的练习回合里，按规则筛出目标失败决策（如 early-release 规则）
2  对每条决策，在原句 + 若干改写（含已知好指令）下各回放一次，记录每层 VLM
   的残差与 MLP 下投影输入
3  for layer in 0..16:
       K = 原句下该层 MLP 下投影输入的均值      # 40 个共享位置 + 32 个图像格子
       V = 好指令下的残差增量 - 原句下的残差增量
       dW = K^T (K K^T + lambda I)^-1 V          # 闭式解，秩 <= 72
4  在未参与建造的决策上离线回放：目标决策应被改掉，保护决策应保持不变
5  冻结编辑并计算指纹；交给操作者在练习种子上跑闭环
6  通过后，在从未用于编辑的留出种子上评分（配对种子 + McNemar）

主结果：128 个留出种子上从 27 到 106

这一节只讲三件事：主数字、随机方向对照、以及成功率之外的两个细节。

数字与配对口径

128 个留出种子，未编辑 27/128（21.1%），编辑后 106/128（82.8%）。配对结果是 81 个被修好、2 个被弄坏，配对差 +61.7 个百分点，95% 自助区间 52.3–70.3，精确 McNemar 检验 p = 7.2 × 10⁻²²。单边率的 Wilson 区间是 75.3–88.4% 与 14.9–29.0%，不重叠。

评测口径值得说清：每个种子是一个固定的仿真槽位，两种策略在同一个槽位上各跑一次，形成一对。一对的结局只有四种——都成功、都失败、只有编辑后成功（fixed）、只有未编辑成功（broke）。前后两半槽位交替改变先后顺序，防止「谁先跑」带来的系统偏差。附录里还把 128 个留出种子按顺序拆成两半重算，两半都是正增益（13→50 和 14→56）。

同尺寸随机方向：9/64

这是全文最重要的一条对照。作者保留了蒸馏更新的每一层、秩、奇异值和 Frobenius 范数，只把左右奇异向量换成随机正交基（numpy default_rng(0)）。这个随机更新的改动量甚至更大：502,291,925 个存储值（15.0%），对蒸馏编辑的 450,468,837（13.4%）。

结果是 9/64，而未编辑策略在同样种子上的两次运行是 13/64 和 9/64，p = 0.45；同一条蒸馏编辑在同样种子上是 50/64，对随机方向是 0 修好 41 弄坏。

这条对照的意义在于：它排除了「只要往权重里加足够大的扰动就能碰对」这个解释。修好这件事的是方向，不是幅度。

同一批种子上，未编辑策略配上好指令拿到 57/64，对蒸馏编辑 p = 0.12。也就是说，编辑复现了「换一句话」效果的大部分，但没完全追平——这个差距在统计上不显著，但方向是清楚的。

成功率之外的两个细节

第一个细节是成功率怎么来的。按 RoboLab 的分阶段事件拆开看：未编辑策略在 64 个留出回合里只有 17 个把方块放进碗里，最终成功 5 个，放完方块后完成香蕉步骤的比例是 29%，平均每回合 2.89 次错误抓取。VLM 编辑后：方块进碗 60/64，成功 55/64，香蕉步骤完成率 92%，错误抓取降到 0.19 次。

第二个细节是速度。成功回合的平均长度从 412 步降到 300 步（0.16% 变体是 396 降到 333）。这个变化不是「学会了更快」，而是「不再花时间在错误的对象上反复」。事件日志里更直接：81 个被修好的起点中，未编辑策略有 75 个在运输途中把方块掉在碗外，编辑后有 15 个仍然会掉，但都恢复了。

图 4｜配对结局的四类分布：蒸馏编辑在自己任务上几乎只朝一个方向翻（修好远多于弄坏），而随机方向和「同权重重跑」这两类对照会双向翻动。

更小的编辑与迁移：0.16% 的参数，两个任务一起变好

主结果那一版改动 4.5 亿个存储值，听起来不像「轻量」。这一节回答两个问题：能不能更小？改完之后别的任务会不会坏？

把键限制到 32 个图像格子

把键从 72 个减到 32 个（只用图像格子），层从 0–16 缩到 8–16，每层秩上限降到 32。用低秩因子存，参数量 5.3M，占 0.16%。

效果：留出 102/128 对 19/128（86 修好 3 弄坏，p = 3.8 × 10⁻²²）。在前 64 个种子上是 54/64，而好指令是 57/64（p = 0.63）——在这一批上它基本追平了改写指令的效果。

但它没有保住全部效果。在 64 个新的留出种子上和全量编辑正面对比，41/64 对 55/64，p = 0.007。差了 14 个点，是显著的。

这里有一个容易被标题带偏的地方：0.16% 指的是用低秩因子存下来的参数量，不是「只改了 0.16% 的权重」。低秩更新在权重矩阵里是稠密的，落到存储上仍然是 248,057,499 个值，占 7.4%。作者在局限一节专门写了这句，是诚实的。

迁移到两个任务，13 个任务无可测损伤

同一条编辑原封不动搬到另外 15 个任务上（键的位置每个任务都有，所以不需要改建）：

• 捡眼镜：22/64 → 44/64，31 修好 9 弄坏，+34.4 点（17.2–51.6），p = 6.8 × 10⁻⁴。
• 方块放碗左边：8/64 → 36/64，33 修好 5 弄坏，+43.8 点（28.1–59.4），p = 4.3 × 10⁻⁶。
• 方块放碗右边：0/32 → 0/32，一点没动。
• 其余 13 个任务：全部 p ≥ 0.12，没有显著差异。

「碗左变好、碗右不变」这一对是本节最有信息量的地方。它说明这条编辑不是「空间语言的通用开关」，而是「把目的短语和正在搬的物体绑得更紧」这个更窄的东西。作者的工作假设是：碗右那个任务里，先坏掉的是别的环节。这个假设没有验证。

看起来最大的一处损失是黄油放架子上：10/16 对 14/16，0 修好 4 弄坏。但同一套权重重跑一次，未编辑策略自己只拿到 8/16（对着自己第一次跑是 0 修好 6 弄坏，p = 0.031）。也就是说，这个「损失」比未编辑策略自己的波动还小。这就是为什么这篇论文坚持配对重跑——没有重跑，你会把一个噪声当成副作用。

保留键：想修副作用，结果是没副作用可修

作者还试了一个更保守的版本：图像格子 32 个键，加上来自另外五个任务的 160 个键，全部映射到「零变化」，在 0–16 层一起解。

离线只剩 1 条松手；闭环 24/32 对 3/32，21 修好 0 弄坏；黄油任务上和原版一样是 10/16。作者的结论很直白：它没能去掉任何真实的副作用，因为本来就没有可测的副作用可去。

图 5｜论文表 5 里每一条配对比较的四类结局：青色的加粗行是留出结果，斜体行是不改权重的对照。可以看到失败的编辑和「同权重重跑」都是双向翻动。

闭式编辑的边界：能修读错的概念，修不了缺的技能

这是全文最有价值的一节，也是我最想推荐给读者的部分。作者没有停在成功案例上，而是把失败按层级分类，然后逐一去改，看能不能改得动。

能修的是「读错」

论文把 16 个任务的失败分成六层，只有第一层被改动了：

失败层级	出了什么问题	例子	权重编辑的结果
语言绑定	把错的对象当成当前目标	方块然后香蕉	留出 106/128 对 27/128；迁移到眼镜与碗左
感知	去拿一个长得像的东西	黄块叠红块	三次 Claude 编辑 −10.9 点；Astra 与同协议 Claude 共 6 个提案全部未过
缺技能	从产生不出可用动作	捡扁盒	10 次编辑改动了动作，0 次成功
接触物理	决策看着对，抓握打滑	芥末瓶进桶	没有决策级杠杆；编辑在离线就被拦下；一个权重 13/64 对 13/64
夹爪决心	开合决策卡在阈值附近	七个任务	一个权重，117/240 对 117/240
技能内卡住	有能力的技能在某一步停住	本批 16 个任务里没有	未测；他人报告在任务微调过的检查点上有增益

这张表本身就是结论：能改的是「读错」，改不了的是「不会」和「物理」。

感知层：信号在，但路由不过去

黄块叠红块这个任务，未编辑策略在 64 个练习回合里成功 28 个。论文记录的是 63 次里有 48 次：手臂先去拿了旁边一个带黄面的魔方。

有意思的是诊断结果：VLM 其实分得开这两个物体，区分度 d′ ≈ 10–20；但动作专家几乎不用这个区分，d′ ≈ 2–3，而随机水平的零假设大约是 1.7。也就是说，信息在 VLM 里有，但没有被传到动作侧。

三个 Claude 编辑分别通过注意力增益、键值增益、以及键值增益加注意力头重连去放大这个信号，结果都是 21/64 对 28/64，还顺手压掉了一个有用的习惯——碰完魔方之后往回退。四个 GPT-6 Astra 编辑（791 到 6,225 个值）全部落在噪声里。另有一个按同伴研究协议跑的 Claude 编辑独立诊断出了同样的混淆，两个提案 16/32 和 11/32 对 12/32，都没过门，最后提交了未编辑策略。

缺技能：十个编辑改出了动作，改不出成功

扁绿盒从来没被捡起来过（0/64）。原因是几何的：盒子的长边超过夹爪开度，在默认腕角下手指落在盒面上。

十个编辑试了读出层手术、神经元翻转、「保持闭合」闩锁、腕角与夹爪偏置。九个拿到 0/16，一个 0/32。最好的那个把「到达可抓腕角」的回合比例从 9/16 提到 16/16——动作确实变了，但成功仍然是 0。技能不在，改决策没用。

接触物理与夹爪阈值：没有可改的决策

芥末瓶进桶：未编辑策略 96 局里成功 16 局。它抓住瓶盖、夹爪全程命令闭合，多数回合在搬运途中滑脱。作者查了接近高度、腕角、时机、搬运速度，没有一个能预测哪次抓握会成（|ρ| ≤ 0.26）。图 6 那两行腕部相机画面就是这件事的样子：两次都是抓瓶盖，一次滑了，一次成了，肉眼与记录变量都分不开。

两个按 Gupta 等人风格做的神经元翻转编辑，从 192 条记录抓握里建，分别改了 131,072 和 1,048,576 个值，结果要么动作几乎没变（平均关节变化 0.0005 rad，96 条决策里 0 条翻转），要么把动作推向错误方向，都在离线阶段被拦下。

夹爪阈值这一层更干脆：把运行时二值化阈值从 0.5 改成 0.4 能涨分（36/64 对 23/64），但把同样的偏移做成一个权重（夹爪输出偏置）之后，七个任务合计 117/240 对 117/240，37 修好 37 弄坏，完全中性。离线看它确实起了作用——平均夹爪命令抬高 0.109，闭合行数从 674 涨到 781（共 1,440 行）——但闭环里这个偏移在所有任务上等量地推向「更爱闭合」，收益和损失互相抵消。

一个把错决策修掉了、成功率却没动的例子

这是全篇我最喜欢的一段，因为它把「修决策」和「修任务」的区别摆得最清楚。

堆叠任务里，失败不是抓不起来，而是两个方块叠好之后，空夹爪悬在堆上方、在堆的高度下令闭合，抓了个空（73 次这样的重规划），或者把顶上那块拽下来。一个盲编辑在拿到更多时间后，把动作专家最后一个 MLP 的一个单元改成了「此处不要闭合」的状态门控，改了 3,072 个值。

结果：离线时每一个留出的保护决策都保住了夹爪命令；闭环里「在堆上方空抓」从 73 次重规划降到 5 次，「第三次抓取前就闭爪」从 17 降到 2，到达第三个方块的回合从 24 涨到 27。

但成功率只从 16/32 变成 17/32（6 修好 5 弄坏），留出 39/64 对 35/64，p = 0.585。原因写在后面：剩下的失败是「第三个方块放不准」，那是运动精度问题，编辑碰不到。

它修掉了一个明确的错误决策，但没有提供缺失的技能。 这句话可以当作整篇论文的一句话总结。

七个盲编辑只过一个

为了检验这套东西能不能被别人独立复现，作者给了七个全新的 Claude Opus 编辑各一个任务，每个任务对应一种失败层级，彼此隔离、看不到论文、不能用网络，预算是 96 个练习回合、192 个激活条目、最多两个闭式候选。

结果：七个提交里只有一个通过留出评分——就是那个拿到「读错指令」任务的编辑。它独立地把松手追到了措辞上（16 条松手在 Put the cube in the bowl 下全部变成握住），然后写了一个和作者不同的编辑：动作头夹爪列上的秩一改动，1,024 个值，用「过早松手状态」做门控。留出从 11/64 到 27/64（22 修好 6 弄坏，p = 0.004，七个任务 Holm 校正后 0.026）。

另外六个：眼镜 +14.1 点（p = 0.12）、芥末 +4.7 点（p = 0.61），四个直接提交了未编辑策略。在「长得像」那个任务上，没有任何改写能推动手臂，所以没有东西可蒸。

这条对照对读者的意义是：这套方法不是「随便找个 agent 就能改好模型」，它要求任务本身存在一个已知好输入。这也正是作者反复强调的前提。

图 6｜芥末瓶进桶的腕部相机序列：上下两行都是抓瓶盖，上一行在第 98 步滑脱，下一行在第 168 步在桶上方松开。没有任何记录下来的决策变量能把这两次分开。

局限与失效场景

论文的局限一节写得比多数论文坦白，我把它和自己的观察分开列。

30% 的配对结果会自己翻面

这是最该被记住的一条。同一套权重、同一批种子，重跑一次，结局会变：

• 同一条编辑跑两次，64 对里只有 46 对结局一致（28% 不一致）。
• 一个近乎中性的单权重编辑，在有空间的四个任务上改动了 192 对里的 70 对（36%）。
• 未编辑策略在黄油任务的同一批 16 个种子上，先拿 14/16，重跑拿 8/16（38% 不一致）。
• 同伴研究的未编辑重跑，不一致率 45%–58%。

作者给的一个候选解释是 GPU 仿真的非确定性，被开环的动作块放大。这个解释没有被验证。

检测下限：32 对看 27 点，128 对看 14 点

在约 30% 配对不一致、80% 功效、双侧 α = 0.05 的假设下，一次比较能检出的最小差异是：

每臂配对数	可检出的最小差异
32	约 27 个百分点
64	约 19 个百分点
128	约 14 个百分点
256	约 10 个百分点

所以论文那句话是对的：16 个回合的筛查是过滤器，不是证据。这也解释了为什么正文里那么多「+10 点但 p = 0.61」的行——不是效果不存在，是样本量看不见它。

论文自己承认的六条边界

• 全量编辑是低秩的，但不稀疏：改动 13.4% 的存储值，0.16% 变体落地后也改 7.4%。
• 蒸馏编辑是操作者会话在编辑规则下建出来的，不是全自动发现的。
• 发布的工具能端到端重建，但只在一个任务上跑过，而且需要把已知好指令作为输入。
• 编辑位置的对比只覆盖一个任务、一个措辞。
• 迁移没有被提前预测（碗左行、碗右不行），所以部署需要广覆盖的回归检查。
• 全部结果来自一个零样本检查点、纯仿真，每次比较 16 到 128 对；失效层级是作者自己分的，没有独立评分者。

我认为还应该补两条作者没写进去的观察。第一，这条路线没有和「用几十条示范微调」做过任何对比，所以它省下的到底是钱还是麻烦，在这篇里没有答案。第二，所有闭环评测都在 Isaac Sim 的 RoboLab 里，真机一次都没跑；作者在结论里把「物理机器人」列进了未来工作。

图 7｜把每一次比较的效应量放在配对样本数与检测下限的坐标里：落在曲线下方意味着这个差异比该样本量能看见的变化还小。青色点是蒸馏编辑，灰色点是不改权重的重跑。

落地判断：什么团队该试，什么团队别碰

这一节是我自己的判断，材料来自论文，结论不等于论文的结论。

三个前置条件

想试这套东西，先确认三件事同时成立：

1. 存在一个已知好输入。 换个说法、加一句澄清、给一个更具体的指代，策略就能做对。这一条不成立，后面全都不用谈——论文里所有失败层级都缺这一条中的某一项。
2. 有一个可复现的评测台。 能按种子配对、能重跑未编辑策略、有至少 64 对的预算。只有 16 对的评测台，你分不清 10 点和 0 点。
3. 失败被定位到「读错」而不是「不会」。 具体判据：同一句话换个说法就能过，且失败发生在某一个决策上而不是整条轨迹上。

值得试的四种场景

• 指令不能改的固定产线：上位系统下发的指令文本是死的，但你可以换措辞去测出一个「好说法」，再把它的内部效应写回权重。
• 一个通用策略在若干个任务上各差一步：一条编辑可能顺带修好相邻任务（这篇里是眼镜和碗左），而且不需要为每个任务单独建。
• 存储受限的边缘部署：0.16% 变体只要 5.3M 参数的低秩因子，比再挂一个 adapter 便宜。
• 需要「不动其他行为」的增量修复：这篇给了可测的副作用证据（13 个任务无可测差异），方法上也支持加保持约束。

别碰的五种情况

• 技能缺失。 扁盒的十个编辑、堆叠的第三个方块，都在说同一件事：改决策不等于给技能。
• 接触物理与阈值类问题。 这类问题的杠杆往往是一个标量，直接把阈值调了试一遍更便宜，不需要闭式解。这篇里夹爪偏置的实验正好证明「写进权重」不比「运行时改」更好（117/240 对 117/240）。
• 没有已知好输入。 长得像的感知混淆就是例子：没有任何改写能推动手臂，就没有东西可蒸。
• 没有留出评测预算。 30% 的配对不一致意味着你必须配对重跑；不配对的话，你看到的涨点很可能只是运气。
• 要「一次修很多条指令」。 论文没做过这个实验，只有保留键这一处间接证据。

一个可执行的最小流程

如果真要落地，我会按这个顺序走，每一步都有明确的止损点：

1. 固定检查点与指令，跑 64 对基线，记录每对的四类结局与失败阶段。
2. 对失败回合做措辞扫描（同一帧、同一噪声，只换文本），找到能把失败决策翻过来的说法。找不到就停。
3. 取 6 条左右的目标失败决策，采一次激活，按层解闭式方程。
4. 在没参与建造的决策上离线回放：目标决策要改掉，保护决策要不变。改不掉就停。
5. 练习种子上闭环，配对比较；通过后冻结并记指纹。
6. 新留出种子上评分，同时跑一条随机方向对照和一次未编辑重跑。两个对照都过，才算修好。
7. 最后跑全任务回归，重点是「看起来像但机制不同」的那几个任务。

第 6 步的两个对照是这篇论文最值得抄的东西。没有随机方向对照，你证明不了是方向在起作用；没有未编辑重跑，你分不清副作用和噪声。

术语速查表

术语	英文	在这篇里的意思
过早松手	premature release	策略抓起物体、抬几厘米后在到达目的地之前松手，是本文要修的目标失败
语言绑定错误	language binding	抓对了物体，但把目的短语绑到了另一个物体上；六层失败里唯一能被编辑修好的一层
已知好指令	known-good instruction	权重不变、只改措辞就能让策略做对的说法，是蒸馏的监督来源
闭式指令蒸馏	closed-form instruction distillation	把好指令在每层造成的残差增量，用一次正则化最小范数解写进 MLP 下投影
键	key	原句下该层 MLP 下投影的输入，在 6 条决策上取平均；每层 72 个（40 个共享位置 + 32 个图像格子）
值	value	好指令下的残差增量减去原句下的残差增量，逐层逐位置计算
配对种子	paired seeds	两种策略在同一个仿真槽位上各跑一次，形成一对；结局分四类，fixed 与 broke 是核心指标
噪声地板	noise floor	权重不变、只重跑也会翻面的那部分结局变化；本文实测约 28%–58%
门控	gate	动作专家 MLP 输出上的自适应范数缩放，按层在 27%–99% 的维度上小于 0.05；忽略它会让编辑失效
保留键	preservation keys	来自其他任务的键，映射到零变化，用来在同一次解里约束「这些不许变」
检测下限	smallest detectable change	给定配对数与不一致率下，80% 功效能看见的最小差异：32 对约 27 点，128 对约 14 点