RL Finetuning 已成后训练唯一赢家。14 天 54 篇论文、加速比 1.82x，是全场唯一的 SURGE 信号。Instruction Tuning 仅 3 篇（0.12x）——这场仗已经打完，RL 是真正的适应机制，指令微调只是表面功夫。

学术与产业正在分道扬镳。本期产业融资超 50 亿美元（AI²/Apptronik/Spirit 等），Agility×Toyota 签产线部署协议，但学术端 tactile(0.43x)、sim_to_real(0.36x) 全线衰退。资本赌"量产落地"，学者逃"硬件依赖"——当学术 SOTA 无法转化为产业 KPI，VLA 研究将面临合法性危机。

领域进入"修 bug 阶段"。248 篇论文中⚡仅 2 篇（0.8%），且都在解决推理时缺陷（语言接地、错误补全），而非架构创新。85% 的论文读读而已或直接跳过——这是典型的平台期信号，对比 2024 年 OpenVLA 横空出世时的兴奋度，现在领域在"微创新"中消耗精力。

RL Finetuning 以 1.82x 加速比碾压 Instruction Tuning(0.12x)，后训练战场已分出胜负。Flow Matching(29 篇，0.95x) 对 Diffusion Policy(15 篇，0.51x) 形成近 2:1 的压倒性优势——Action Head 竞争基本结束，Flow Matching 的采样效率和训练稳定性更胜一筹。World Model(1.15x) 受 Physical Intelligence MEM 架构发布带动加速，但 10 篇 Theory Deep Dive 中有 3 篇（H-WM、FAVLA、TacMamba）都在做"快慢双通路"，暗示单一世界模型正向"分层 + 多模态"演进。触觉与灵巧手双双遇冷（同为 0.43x）是结构性衰退——硬件普及速度远低于论文产出速度，大多数研究者没有真实触觉数据可刷。

ReViP: Mitigating False Completion in VLA Models with Vision-（3/11）

这篇⚡论文解决 VLA 的"错误补全"问题——模型在部分视觉信息缺失时会幻觉出错误的动作序列。核心贡献是引入视觉一致性验证模块，在推理时动态检测并修正补全错误。这看似是"修 bug"，但揭示了 VLA 推理的根本缺陷：当前架构假设视觉 - 语言 - 动作是单向流水线，但真实场景需要闭环验证。工程价值大于理论价值——对于开放场景部署（如家庭服务机器人），该框架可显著降低错误执行风险。建议团队评估与现有 human-in-the-loop 工作流整合可行性。

Restoring Linguistic Grounding in VLA Models via Train-Free Attention Recalibrat（3/10）

另一篇⚡论文用 train-free 的注意力重校准修复语言接地问题。核心洞察：VLA 的语言理解缺口不是训练数据不足，而是注意力机制在视觉 - 语言对齐时的系统性偏差。方法是在推理时动态调整注意力权重，无需重新训练。这与 LangGap(3/10) 的四维扰动分类法形成互补：LangGap 诊断问题，本文提供修复方案。但需警惕——train-free 方案是权宜之计，根本解决需要架构级改进。建议精读 method section，评估与现有 pipeline 兼容性。

融资热潮与方法族衰退的悖论。本期产业端融资超 50 亿美元，但学术端 tactile、dexterous_hand、sim_to_real 全线衰退。资本在赌"量产落地"，学者在逃"硬件依赖"——这是一个危险信号。Agility×Toyota 签商业协议是产业胜利，但学术圈没有跟进研究"产线场景 VLA 适配"，反而继续刷 LIBERO（已饱和）。更值得警惕的是，10 篇 Theory Deep Dive 中无一涉及"工业场景适配"——学术生产函数与产业需求函数正在解耦。

工具链密集发布与 RL 突增的因果关系。2/27-3/11 两周内，LeRobot v0.4.4→v0.5.0、Genesis v0.4.1、SAPIEN v3.0.3、MuJoCo v3.6.0 连续发布。工具链民主化降低了 RL 实验门槛，rl_finetuning 以 1.82x 成为唯一 SURGE 信号。但 10 篇 Deep Dive 中仅π-StepNFT 一篇专注 RL 不稳定性——工具易得≠方法成熟。这 54 篇 RL 论文中有多少是"调参报告"而非"方法创新"？建议团队建立"RL 论文质量过滤器"，避免被噪音淹没。

Instruction Tuning 已死，但没人宣布讣告。主流叙事仍在讨论"VLA 指令跟随能力"，但数据残酷：14 天仅 3 篇论文，加速比 0.06x 全场最低。LangGap 这篇⚡论文在"修复语言理解缺口"，实则是给 instruction_tuning 写讣告——如果基础语言接地都没解决，指令微调只是空中楼阁。继续投入 instruction tuning 的团队，会在 2027 年面临引用断崖。

基准温差：学术卷 99.2%→99.5%，产业无人关心。CALVIN/LIBERO 全线饱和（39 次 SOTA 变动占 59%），但产业端（Agility/XPENG/AI²）无一提及这些基准。学术圈在卷 LIBERO 的 1% 提升，产业圈在谈"产线部署""量产基地"。当客户愿意买单的是"任务成功率"而非"基准分数"，学术研究的合法性基础正在松动。

Action Head 收敛（Flow Matching 胜出），后训练收敛（RL 胜出），但世界模型正在发散（单一→分层 + 多模态）。这是一个有趣的分化模式：执行层收敛，认知层发散。执行层需要稳定性和效率，认知层需要灵活性和适应性——这符合机器人系统的本质需求。

CALVIN 和 LIBERO 全线标红（saturated），39 次 SOTA 变动中这两个基准占了 23 次（59%）。LIBERO 开源榜 99.2%、闭源榜 98.6%——剩下 1% 的提升值得一篇论文吗？RoboChallenge 仅 2 次 SOTA 变动，是更好的差异化赛道。更激进的做法：与本地机器人公司合作，用"产线任务成功率"替代基准分数作为毕业标准。

LeRobot v0.4.4(2/27)→v0.5.0(3/9) 两周内连发两版，v0.5.0 集成 X-VLA 作为替代 backbone。Genesis v0.4.1(3/6)、SAPIEN v3.0.3(3/10)、MuJoCo v3.6.0(3/11) 连续更新。工具链民主化是 rl_finetuning 突增的基础设施原因——但需警惕"工具驱动研究"陷阱，不要为了用工具而用工具。