Zeva：冻结参数也能自进化

冻结权重，机器人却在多次尝试中越做越好

**清华大学智能产业研究院（AIR）与域变换近日提出具身世界动作模型 Zeva，试图让机器人在不更新模型参数的情况下，从刚刚发生的交互经验中持续改进动作。**截至 2026 年 9 月 1 日披露的信息，Zeva 在多个典型具身基准任务中，将冻结模型的累计成功率从 26% 提升至 73%；在真实化学实验室场景里，机械臂也表现出“多试几次后越来越稳”的适应现象。

**Zeva 是首个实现具身 In-Context Causal Learning（ICCL）的世界动作模型。**ICCL 即“上下文因果学习”，是指模型把近期交互中的动作、环境变化与任务结果放进上下文，通过识别“哪个动作导致了什么结果”来修正下一步决策，而不是依赖反向传播修改神经网络权重。

这项工作的关键不是又做了一个更大的机器人基础模型，而是改变了机器人“学习发生在哪里”。传统训练把经验写入参数，Zeva 则试图把短期经验写入上下文：模型本身保持冻结，但每一轮交互都会为下一轮推理增加新的证据。

这听上去像文字模型根据对话内容临时掌握用户偏好，但具身任务要难得多。聊天模型回答错一句话，通常只损失一次交互；机械臂把烧杯碰倒、夹爪打滑或动作轨迹偏离，错误会立刻改变物理环境，甚至让后续任务无法继续。

26% 到 73%，提升来自推理阶段而非再训练

**Zeva 最值得关注的数据，是冻结模型的累计成功率由 26% 上升至 73%。**这一变化相当于提高 47 个百分点，最终成绩约为初始成绩的 2.81 倍，按相对增幅计算约为 180.8%。

| 指标 | 初始冻结模型 | 使用 ICCL 后 | 变化 | |---|---:|---:|---:| | 多项具身任务累计成功率 | 26% | 73% | +47 个百分点 | | 相对提升 | 1 倍 | 约 2.81 倍 | 约 +180.8% | | 推理期间是否更新权重 | 否 | 否 | 不变 | | 适应信息来源 | 预训练知识 | 预训练知识 + 当前交互历史 | 增加在线经验 |

**这组结果的含金量在于，性能增长并不依赖现场微调。**机器人部署后收集数据、清洗轨迹、计算梯度、更新权重，再重新验证和上线，是一条成本很高的闭环；如果模型能够直接利用交互上下文改善后续决策，适应过程就可能从“小时或天级训练任务”缩短为“一次推理会话内的即时调整”。

累计成功率也不能被简单理解为单次任务成功率从 26% 跳到 73%。“累计”意味着模型可能在多轮尝试中获得新信息，并把之前的失败转化为后续成功；最终数字会受到尝试次数、任务划分、是否重置环境、上下文长度和成功判定方式影响。后续判断 Zeva 的泛化能力，仍要看完整论文中的评测协议、基线设置、置信区间与逐任务结果。

换句话说，73% 是一个相当醒目的信号，但还不是“机器人已经会自主学习一切”的证据。它首先证明的是：冻结参数不等于冻结行为，推理上下文本身也可以成为一条有效的适应通道。

ICCL 不只是“记住失败”，而是追问失败为什么发生

**普通的 In-Context Learning（ICL）是模型根据上下文示例完成新任务的能力。**在语言模型中，用户给出几组问答格式，模型不经过训练便能模仿格式继续作答，这就是最常见的上下文学习。

**In-Context Causal Learning（ICCL）进一步要求模型从交互轨迹中判断因果关系，而不是只复现表面相关性。**对于机械臂而言，看到“夹取失败”并不够，它还需要区分失败究竟来自夹爪闭合过早、接触位置偏移、物体材质打滑，还是上一步动作改变了物体姿态。

一个直观例子是夹取透明实验器皿。第一次失败后，如果模型只是记住“这条轨迹不好”，下一次可能会随机换一条路径；如果模型能够推断“夹爪接触点偏高导致器皿倾斜”，它就可以在下一次尝试中主动降低接触位置。前者是经验相关性，后者才接近因果归因。

**具身因果学习的价值在于，同一种表面失败可能对应完全不同的物理原因。**机器人看到的图像、语言指令和动作序列只是观测，真正决定任务结果的还包括摩擦力、物体质量、关节误差、夹爪状态以及环境中没有被传感器完整捕捉的变量。ICCL 要做的，是在有限上下文里找出最可能影响结果的因素，并据此选择下一次行动。

这种设计也解释了为什么 Zeva 被称为“自进化 WAM”。这里的“自进化”不是模型自行改写代码或永久改变参数，而是行为能力随着上下文中的经验增加而提高；一旦清空上下文，相关的短期适应是否仍能保留，需要取决于系统有没有额外的外部记忆机制。

WAM 把“预测世界”和“选择动作”放进同一条链路

**世界动作模型（World Action Model，WAM）是同时利用环境状态、动作与未来结果进行预测和决策的具身模型。**它不仅要理解摄像头里有什么，还要估计“如果现在执行这个动作，接下来会发生什么”，再从候选行为中选择更可能完成任务的一种。

传统视觉模型更像观察员，负责识别物体和空间关系；动作模型更像执行员，根据输入生成控制序列；世界模型则像沙盘，负责预演不同动作可能造成的后果。WAM 的目标，是把观察、预演与执行连接起来，使模型能够围绕物理结果作出决策。

**Zeva 的变化是把近期真实交互也纳入这条预测链路。**模型面对的输入不再只是当前画面和任务指令，还包括“刚才做过什么、环境怎样变化、最终是否成功”等历史信息。新的动作因此不只是基于预训练时学到的一般规律，也会参考当前机器、当前物体和当前环境的即时反馈。

这对真实部署尤其重要。即使两台机械臂型号相同，它们的关节零点、夹爪磨损和相机标定也可能存在细微差异；同一种容器装入不同剂量液体后，质量和重心也会改变。每个变化都重新收集数据并微调模型并不现实，而上下文适应可以让模型在任务过程中逐步校正。

它和在线学习、强化学习不是一回事

**Zeva 的 ICCL 与在线微调、强化学习和常规上下文学习解决的是相近问题，但更新对象不同。**最核心的分界线，是系统是否在部署现场修改模型参数。

| 方法 | 部署时更新权重 | 经验如何进入系统 | 适应速度 | 主要风险 | |---|---|---|---|---| | 在线微调 | 是 | 通过梯度写入参数 | 通常需要多轮训练 | 灾难性遗忘、训练不稳定、算力开销 | | 在线强化学习 | 通常是 | 奖励信号驱动策略更新 | 依赖探索次数 | 真实环境探索成本高、安全风险大 | | 模仿学习 | 训练阶段通常是 | 学习人类示范轨迹 | 取决于示范规模 | 容易复制示范偏差，分布外状态脆弱 | | 普通 ICL | 否 | 示例进入上下文 | 推理时即时生效 | 可能停留在模式匹配 | | Zeva 的 ICCL | 否 | 交互轨迹及结果进入上下文 | 多次尝试内生效 | 上下文容量、因果误判与错误累积 |

**ICCL 的优势是把适应成本从训练阶段挪到了推理阶段。**它不需要现场计算梯度，也不必为了每一个新物体重新生成训练版本，因此更适合实验室自动化、柔性制造和家庭机器人这类环境持续变化、任务批量又不够大的场景。

**ICCL 的代价是上下文会越来越长，推理成本和信息筛选难度也会随之上升。**如果系统把几十次无关失败全部塞入上下文，真正有用的因果线索反而可能被噪声淹没。工程上需要解决哪些轨迹值得保留、怎样压缩长期经验、何时清空错误记忆，以及如何避免一次异常反馈污染后续决策。

参数冻结也不等于系统绝对安全。一个错误的因果判断虽然不会永久写入权重，却可能在当前任务的后续步骤中连续放大；在化学实验、工业装配和医疗辅助等场景中，短期错误一样可能造成不可逆后果。

一次人类演示的意义，不在“少一条数据”

**公开报道显示，Zeva 还能利用一次人类演示快速调整后续行为。**单次演示并不是传统意义上的大规模模仿学习数据集，而更像放在上下文中的一条高质量因果线索：人类展示动作顺序、接触位置和操作节奏，模型再结合自己的执行反馈作出修正。

**单次演示真正降低的是任务配置成本。**在实验室里，如果研究人员能够先做一次移液、抓取或容器摆放，机器人随后通过自身试验稳定下来，就不必为每个实验流程采集数百条专家轨迹。这种能力比单纯追求更大的参数量更贴近机器人落地中的成本结构。

但“一次演示”并不等于所有任务都只需要一个样本。任务复杂度、模型预训练覆盖范围、演示质量与环境差异都会决定最终效果；对于训练分布之外的新工具、新材料或长时序任务，一条示范是否足够仍需要更细的消融实验支持。

化学实验室是一个比桌面抓取更有说服力的场景

**真实化学实验室验证提高了 Zeva 结果的应用价值。**实验室操作通常包含透明或反光器皿、狭小工作空间、精细接触、多步骤依赖和严格安全约束，这些因素都比标准桌面抓取更容易放大感知与控制误差。

公开信息显示，机械臂在多次尝试中呈现“越用越稳”的趋势。这种稳定性如果来自模型对自身动作结果的即时归因，而不是人工重新标定设备，就意味着 ICCL 有机会处理现实部署中最常见的“最后一公里”偏差。

**化学实验同时也会暴露 ICCL 的安全边界。**一个系统不能为了学习倾倒动作而无限试错，更不能把危险试剂当成普通积木探索。真正进入生产环境前，Zeva 一类模型仍需要动作约束、碰撞检测、风险分级、人工接管和可回滚状态等外部安全层。

因此，Zeva 更合理的早期落地方式不是完全自主接管实验室，而是在低风险材料、数字孪生或受约束动作空间中积累经验，再逐步扩大自主操作范围。

“参数冻结、能力暴涨”并不违反机器学习常识

**冻结的是神经网络权重，不是模型在当前上下文中计算出的内部状态。**Transformer 类模型会根据输入序列动态计算注意力和隐状态，因此即便参数完全不变，不同的交互历史也能产生完全不同的决策。

语言模型已经展示过类似现象：同一个模型在没有示例时可能答错，加入几条高质量示例后便能显著提高正确率。Zeva 把这一机制搬到物理交互中，只是上下文不再是纯文本，而是状态、动作、反馈与结果构成的多模态轨迹。

**真正困难的部分不是让模型读取历史，而是让历史形成可执行的因果修正。**机器人必须把“观察到什么”“采取了什么动作”“环境发生了什么变化”和“任务是否完成”对齐起来；只要其中一个环节存在时间错位或感知误差，模型就可能把成功归因给无关动作。

这也是 Zeva 后续最值得检查的技术细节：因果变量如何表示，交互轨迹怎样组织，上下文长度是多少，模型如何区分自身动作与环境扰动，以及面对相互冲突的经验时采用什么选择机制。当前公开结果说明方向有效，但完整技术路线仍应以正式论文、项目页面和可复现实验为准。

Zeva 的价值，是为机器人增加“工作记忆”

**Zeva 更像给机器人增加了一块能做因果推理的工作记忆，而不是让模型一夜之间获得永久学习能力。**它解决的是部署现场的快速适应：今天这只夹爪有轻微偏移、这只杯子更滑、当前工作台光线不同，模型能否从刚发生的失败中马上调整。

这条路线与扩大具身模型规模并不冲突。更大的预训练模型提供更广泛的物体、动作和物理先验，ICCL 则负责把这些先验快速校准到当前环境；前者决定模型“原本知道多少”，后者决定它“能否从眼前几次尝试中学会”。

**从产业角度看，推理时适应可能比单纯扩大参数更直接地降低部署成本。**机器人客户真正关心的往往不是模型榜单高了几个点，而是换一批零件、移动一次相机或更换夹爪后，是否还要工程师重新采集数据和训练模型。若 26% 到 73% 的累计成功率提升能在更多真实设备上复现，这会显著缩短具身系统的调试周期。

现在还不能把它等同于持续学习

**Zeva 展示的是上下文内适应，而完整的持续学习通常还要求经验跨任务、跨会话长期保留。**如果系统关闭后清空上下文，第二天仍需从头试错，那么它更接近高效的短期学习，而不是具备长期记忆的自主智能体。

未来系统可能把 ICCL 与外部记忆、经验检索和周期性离线训练结合起来：短期经验先在上下文中即时生效，经过验证的轨迹再进入长期记忆，最后由离线训练固化为模型能力。这样可以在速度、稳定性与知识保留之间取得平衡。

Zeva 目前最重要的贡献，是证明机器人不必每次都靠改参数才能进步。“参数冻结、能力暴涨”并不是魔法，而是把交互经验从训练数据变成推理条件，把一次次失败从需要回炉处理的数据，变成下一次动作可以立即利用的证据。

这比“又一个更大的具身模型”更值得关注。模型规模决定能力上限，而能否在真实世界里边做边学，决定机器人离开演示视频后究竟能走多远。

参考来源

• GitHub：检索 Zeva 与 In-Context Causal Learning 相关公开项目：用于跟踪项目代码、实验配置及后续公开仓库；是否为官方实现应以仓库认证信息为准。
• Hugging Face：检索 Zeva 相关模型与资料：用于关注模型权重、演示页面或社区复现；截至发稿应以项目团队正式发布信息为准。