Zeva 可以理解成一套畀具身機械人用的「即場記錯、即場改」機制。清華 AIR 與 Domain Transform 的研究團隊，將它建構在 Cosmos3 策略模型之上：模型權重在部署時保持凍結，但機械人會把每次動作造成的物理結果記錄下來，下一次行動前取回有關的因果線索，藉上下文改變決策。換言之，佢唔使走傳統「收集資料、人工標註、微調、再部署」流程，都可以在現場適應。 15

呢種做法屬於記憶式的上下文適應，唔係將經驗永久寫入模型參數的權重學習。好處係遇到陌生擺位、物件特性或操作失敗時，理論上唔需要等新模型訓練完成先有改善。 16

核心唔係記畫面，而係記「動作 → 後果」

Zeva 所講的 In-Context Causal Learning（ICCL，上下文因果學習），重點係叫機械人從自己做過的操作中理解：我做咗呢個動作，環境究竟因此有咩改變？

1. 因果轉移編碼器：抽出真正有用的物理線索

每完成一次動作，因果轉移編碼器（Causal Transition Encoder，CTE）會將視覺狀態、動作編碼，以及觀察到的狀態變化，整合成潛在的因果交互表示。

它會進一步拆成兩類訊息：

• 任務階段 token：判斷目前做到哪一步，例如正準備夾取、正在提起，還是準備傾倒；
• 因果交互訊號：捕捉動作引起的動態變化，而唔係將背景、光線等剛好同成功或失敗一齊出現的視覺相關性，誤當成原因。 14

簡單講，系統唔只係記得「夾爪郁咗」，而係嘗試記住「夾爪以某個角度落下，令試管滑開」或者「容器傾斜到某程度，水先會倒出」。

2. 一短一長兩層記憶：眼前教訓與累積經驗分開放

Zeva 的因果記憶分為兩個時間尺度：

• Brief Interaction Trace（BIT，簡短交互軌跡）：保留今次嘗試中最新近的互動證據。佢似工作記憶，適合即時修正上一個動作的失誤，或者因應眼前局部物理狀況調整。 1
• Persistent Interaction Memory（PIM，持久交互記憶）：在同一個 episode 的多次嘗試之間，保留並整合較相關的經驗。之前失敗或成功的操作，都可以影響之後重試時的選擇。 1

分開兩層的意義，在於避免將一次偶然失敗變成長期偏見；同時又唔會每次重新開始就清空之前累積到的有用教訓。

3. 上下文策略注入：唔改參數，直接畀模型「提示」

到要產生下一個動作時，Zeva 會按目前任務階段，從 BIT 與 PIM 檢索相符的因果證據，整理成一個 causal prompt（因果提示），再注入凍結的基礎策略模型的動作生成路徑。

所以模型可以根據取回的經驗改變行為，但完全毋須梯度更新或改動參數。 15

成績有幾多？模擬與真實機械人測試

在五項 RoboCasa365-Atomic5 模擬子集任務中，Zeva 報告平均成功率為 76.8%，高過 Fast-WAM 的 72.4% 及 Cosmos3-Nano 的 64.8%。 1

真實世界部分使用 ARX 機械臂，在 ChemLab-Evo Level-1 實驗室操作任務中，團隊報告隨重複嘗試而上升的成績：

• 夾取試管（Pick Up Test Tube）：由 65% 升至 100%；
• 放置燒杯（Place Beaker）：由 25% 升至 70%；
• 倒水（Pour Water）：由 30% 升至 80%。 1

最終的 Level-1 表格中，Zeva 在三項任務分別為 100%／70%／80%，平均 83.3%；Cosmos3-Nano 為 80%／70%／60%，Fast-WAM 為 85%／70%／75%。 1

至於常被引述的累積成功率由約 26% 升至第四次嘗試的 73%，現有主要材料將該圖表標為 RoboCasa365，而非 ChemLab-Evo。因此，將 26%→73% 直接歸為 ChemLab-Evo 成績，並未獲目前提供的一手材料支持。 1

一次人類示範可以做咩？

Zeva 亦支援將一次由人手實體引導完成的操作，記錄到同一套交互記憶機制，作為 warm start（預熱）。其後策略仍然保持凍結，但可利用該次示範提供的因果交互脈絡，嘗試重現相關操作序列。 6

不過，現有資料只確認一次示範的定性預熱機制，未提供放置燒杯或倒水任務的可靠前後對比數字。較穩妥的說法是：它可望協助這類任務起步或改善表現，但未能據此聲稱有特定幅度的量化提升。 6

點解較弱的基礎模型可能進步更明顯？

合理解釋係「改善空間」較大。較弱的預訓練策略面對物件位置或物理條件改變時，通常會犯更多系統性錯誤；Zeva 提供的明確動作—結果證據，便有更多錯誤可以修正。相反，原本已經較常成功的模型，可被記憶提示補救的空間自然較少。

但這只是一個合理詮釋，唔應該講成普遍定律。研究結果支持 Zeva 在比較任務中改善部署期表現，並未證明「基礎模型愈弱，必然獲益愈大」。 1

點解揀化學實驗操作？

ChemLab-Evo 的吸引力，在於化學實驗操作有好多結構化而且後果明確的物理變化：細小容器的夾取角度、燒杯放置精度、傾倒與液體轉移、多步驟程序，以及可由實際效果判斷的失敗。

這個基準涵蓋七項 ARX 機械臂任務，從夾試管、放燒杯、倒水等原子操作，延伸到短序列和較長程序，例如滴定、配製鹽水、天平稱量及萃取。 1

因此，它適合測試機械人有冇真係把「動作造成的物理後果」記下來，並轉移到重試或相近技能，而唔只係視覺上模仿曾見過的畫面。

實際代價與未解問題

Zeva 的概念吸引，但距離證明可在各類真實場地長期穩定使用，仲有幾道關口：

• 推理與上下文成本：檢索記憶、組裝因果提示及處理額外上下文，都會增加運算量和延遲。歷史愈長未必愈好，因為檢索質素、上下文容量與即時反應都可能成為樽頸。現有結果未證明它可擴展至極長時間部署。 1
• 記憶污染風險：如果因果編碼錯誤、任務階段配錯，或者將誤導性的失敗軌跡取回，就可能令後續行為變差。BIT 與 PIM 分層有助減低影響，但唔等於保證長期記憶一定安全可靠。 1
• 軟性與高接觸任務未獲證實：真實測試主要是剛性實驗室物件與液體轉移；布料、電線、食物、軟包裝等高度可變形物料，以及很依賴力度或觸覺回饋的操作，泛化能力仍然未明。 1
• 場地穩定性未驗證：評估會在每輪嘗試之間重設環境，並在一個 episode 內保留 PIM，屬於受控流程。這唔等於已證明系統可以在長期變化的工作場地運作，例如鏡頭校準漂移、硬件磨損、人員走動、雜物增加，以及長期記憶應如何管理。 1
• 跨平台與跨硬件問題：真實測試使用指定 ARX 機械臂和約 80 cm × 60 cm 工作空間。能否順利轉到其他手臂、夾具、流動機械人、雙臂系統、感測器配置、控制頻率及安全規範，仍待實證。 1
• 任務類型覆蓋有限：研究測試的是選定的廚房和化學任務。對夾取、提起、傾斜容器等功能相近效果的轉移看來有潛力，但跨到完全不同的任務類別、語意指令及工作流程，仍是開放問題。 1
• 證據成熟度：以上數據來自論文與項目方報告，暫未見獨立重複驗證。方法描述本身有清楚脈絡，但要確認其在長時程、更廣硬件、軟性物料與非受控生產環境的可靠性，仍需要更多證據。 1

Zeva 最值得留意的地方，不是宣稱機械人已經「自我學習到無限進化」，而是提供了一條較實際的部署期適應路線：不改模型權重，先用可檢索的動作—後果記憶，令下一步做得比上一手好。

Zeva 可以理解成一套畀具身機械人用的「即場記錯、即場改」機制。清華 AIR 與 Domain Transform 的研究團隊，將它建構在 Cosmos3 策略模型之上：模型權重在部署時保持凍結，但機械人會把每次動作造成的物理結果記錄下來，下一次行動前取回有關的因果線索，藉上下文改變決策。換言之，佢唔使走傳統「收集資料、人工標註、微調、再部署」流程，都可以在現場適應。 15

呢種做法屬於記憶式的上下文適應，唔係將經驗永久寫入模型參數的權重學習。好處係遇到陌生擺位、物件特性或操作失敗時，理論上唔需要等新模型訓練完成先有改善。 16

核心唔係記畫面，而係記「動作 → 後果」

Zeva 所講的 In-Context Causal Learning（ICCL，上下文因果學習），重點係叫機械人從自己做過的操作中理解：我做咗呢個動作，環境究竟因此有咩改變？

1. 因果轉移編碼器：抽出真正有用的物理線索

每完成一次動作，因果轉移編碼器（Causal Transition Encoder，CTE）會將視覺狀態、動作編碼，以及觀察到的狀態變化，整合成潛在的因果交互表示。

它會進一步拆成兩類訊息：

• 任務階段 token：判斷目前做到哪一步，例如正準備夾取、正在提起，還是準備傾倒；
• 因果交互訊號：捕捉動作引起的動態變化，而唔係將背景、光線等剛好同成功或失敗一齊出現的視覺相關性，誤當成原因。 14

簡單講，系統唔只係記得「夾爪郁咗」，而係嘗試記住「夾爪以某個角度落下，令試管滑開」或者「容器傾斜到某程度，水先會倒出」。

2. 一短一長兩層記憶：眼前教訓與累積經驗分開放

Zeva 的因果記憶分為兩個時間尺度：

• Brief Interaction Trace（BIT，簡短交互軌跡）：保留今次嘗試中最新近的互動證據。佢似工作記憶，適合即時修正上一個動作的失誤，或者因應眼前局部物理狀況調整。 1
• Persistent Interaction Memory（PIM，持久交互記憶）：在同一個 episode 的多次嘗試之間，保留並整合較相關的經驗。之前失敗或成功的操作，都可以影響之後重試時的選擇。 1

分開兩層的意義，在於避免將一次偶然失敗變成長期偏見；同時又唔會每次重新開始就清空之前累積到的有用教訓。

3. 上下文策略注入：唔改參數，直接畀模型「提示」

到要產生下一個動作時，Zeva 會按目前任務階段，從 BIT 與 PIM 檢索相符的因果證據，整理成一個 causal prompt（因果提示），再注入凍結的基礎策略模型的動作生成路徑。

所以模型可以根據取回的經驗改變行為，但完全毋須梯度更新或改動參數。 15

成績有幾多？模擬與真實機械人測試

在五項 RoboCasa365-Atomic5 模擬子集任務中，Zeva 報告平均成功率為 76.8%，高過 Fast-WAM 的 72.4% 及 Cosmos3-Nano 的 64.8%。 1

真實世界部分使用 ARX 機械臂，在 ChemLab-Evo Level-1 實驗室操作任務中，團隊報告隨重複嘗試而上升的成績：

• 夾取試管（Pick Up Test Tube）：由 65% 升至 100%；
• 放置燒杯（Place Beaker）：由 25% 升至 70%；
• 倒水（Pour Water）：由 30% 升至 80%。 1

最終的 Level-1 表格中，Zeva 在三項任務分別為 100%／70%／80%，平均 83.3%；Cosmos3-Nano 為 80%／70%／60%，Fast-WAM 為 85%／70%／75%。 1

至於常被引述的累積成功率由約 26% 升至第四次嘗試的 73%，現有主要材料將該圖表標為 RoboCasa365，而非 ChemLab-Evo。因此，將 26%→73% 直接歸為 ChemLab-Evo 成績，並未獲目前提供的一手材料支持。 1

一次人類示範可以做咩？

Zeva 亦支援將一次由人手實體引導完成的操作，記錄到同一套交互記憶機制，作為 warm start（預熱）。其後策略仍然保持凍結，但可利用該次示範提供的因果交互脈絡，嘗試重現相關操作序列。 6

不過，現有資料只確認一次示範的定性預熱機制，未提供放置燒杯或倒水任務的可靠前後對比數字。較穩妥的說法是：它可望協助這類任務起步或改善表現，但未能據此聲稱有特定幅度的量化提升。 6

點解較弱的基礎模型可能進步更明顯？

合理解釋係「改善空間」較大。較弱的預訓練策略面對物件位置或物理條件改變時，通常會犯更多系統性錯誤；Zeva 提供的明確動作—結果證據，便有更多錯誤可以修正。相反，原本已經較常成功的模型，可被記憶提示補救的空間自然較少。

但這只是一個合理詮釋，唔應該講成普遍定律。研究結果支持 Zeva 在比較任務中改善部署期表現，並未證明「基礎模型愈弱，必然獲益愈大」。 1

點解揀化學實驗操作？

ChemLab-Evo 的吸引力，在於化學實驗操作有好多結構化而且後果明確的物理變化：細小容器的夾取角度、燒杯放置精度、傾倒與液體轉移、多步驟程序，以及可由實際效果判斷的失敗。

這個基準涵蓋七項 ARX 機械臂任務，從夾試管、放燒杯、倒水等原子操作，延伸到短序列和較長程序，例如滴定、配製鹽水、天平稱量及萃取。 1

因此，它適合測試機械人有冇真係把「動作造成的物理後果」記下來，並轉移到重試或相近技能，而唔只係視覺上模仿曾見過的畫面。

實際代價與未解問題

Zeva 的概念吸引，但距離證明可在各類真實場地長期穩定使用，仲有幾道關口：

• 推理與上下文成本：檢索記憶、組裝因果提示及處理額外上下文，都會增加運算量和延遲。歷史愈長未必愈好，因為檢索質素、上下文容量與即時反應都可能成為樽頸。現有結果未證明它可擴展至極長時間部署。 1
• 記憶污染風險：如果因果編碼錯誤、任務階段配錯，或者將誤導性的失敗軌跡取回，就可能令後續行為變差。BIT 與 PIM 分層有助減低影響，但唔等於保證長期記憶一定安全可靠。 1
• 軟性與高接觸任務未獲證實：真實測試主要是剛性實驗室物件與液體轉移；布料、電線、食物、軟包裝等高度可變形物料，以及很依賴力度或觸覺回饋的操作，泛化能力仍然未明。 1
• 場地穩定性未驗證：評估會在每輪嘗試之間重設環境，並在一個 episode 內保留 PIM，屬於受控流程。這唔等於已證明系統可以在長期變化的工作場地運作，例如鏡頭校準漂移、硬件磨損、人員走動、雜物增加，以及長期記憶應如何管理。 1
• 跨平台與跨硬件問題：真實測試使用指定 ARX 機械臂和約 80 cm × 60 cm 工作空間。能否順利轉到其他手臂、夾具、流動機械人、雙臂系統、感測器配置、控制頻率及安全規範，仍待實證。 1
• 任務類型覆蓋有限：研究測試的是選定的廚房和化學任務。對夾取、提起、傾斜容器等功能相近效果的轉移看來有潛力，但跨到完全不同的任務類別、語意指令及工作流程，仍是開放問題。 1
• 證據成熟度：以上數據來自論文與項目方報告，暫未見獨立重複驗證。方法描述本身有清楚脈絡，但要確認其在長時程、更廣硬件、軟性物料與非受控生產環境的可靠性，仍需要更多證據。 1

Zeva 最值得留意的地方，不是宣稱機械人已經「自我學習到無限進化」，而是提供了一條較實際的部署期適應路線：不改模型權重，先用可檢索的動作—後果記憶，令下一步做得比上一手好。