清華大學智慧產業研究院（AIR）與域變換聯合發布一項具身操作研究，方法叫做Zeva。它的做法在這個領域裡不算常見：模型權重全程凍結，不做任何梯度更新，機器人在部署過程中單靠情境脈絡自己往上爬。在多個具身基準測試上，累積成功率從26%升到73%。
主流路線是收資料、標資料、微調VLA模型，遇到新場景就再跑一輪。Zeva把這整套流程搬到了推論端——它記錄的是動作與狀態變化之間的因果關係，接著把這層關係當成提示詞餵回凍結的基座模型。論文裡採用的基座是Cosmos3。
三個部件
因果轉移編碼器負責從每次動作裡萃取狀態變化，把「我做了什麼」跟「環境變成什麼樣」配成一對。這一步是整套方法取得資料的環節，抽取得準不準，直接決定後面能不能用。
因果記憶分成兩個時間尺度。短的一層叫做簡短互動軌跡，只管當下這次嘗試；長的一層是持續互動記憶，跨嘗試累積下來。前者解決「這一輪我剛剛試過什麼」，後者解決「上一輪我在哪裡跌倒」。把兩層分開是有講究的：當次的失敗訊號得立刻反映到下一個動作上，跨次的經驗則要先篩選過才能進長期記憶，混在一起容易被單次雜訊帶偏。
第三步是情境內策略注入，把因果提示塞進凍結模型的輸入裡。整個部署過程中，梯度更新次數是零。
數字落在哪裡
在RoboCasa365-Atomic5基準上，平均成功率76.8%。更能說明問題的是搬進真實化學實驗室之後那組數據（團隊把這套環境稱為ChemLab-Evo）：拿試管從65%升到100%，放燒杯從25%升到70%，倒水從30%升到80%。
三項任務的起點相差很大。拿試管本來就有65%的底子，把它拉到滿分，做的其實是把邊角案例磨平。放燒杯從25%起步，幾乎翻了兩倍，說明記憶機制在成功率偏低的區間收益更明顯——機器人失敗得愈多，可供歸因的因果配對也就愈多。
加一次人類示範，還能再往上推一截：放燒杯多加約20個百分點，倒水多加約15個百分點。一次示範本身能帶的資訊量有限，卻能撬動這樣的幅度，說明它進的是記憶，沒動到參數，屬於即插即用。
為什麼選化學實驗室
選這個場景是有實際考量的。化學操作的狀態變化邊界清楚——液面高度、試管位置、有沒有灑出來——因果訊號乾淨，編碼器抽出來的配對雜訊也小。換成摺衣服這類狀態難以量化的任務，同一套機制未必吃得開，論文並沒有迴避這一點。
對工程端來說，意義在於部署的形態變了。照微調路線走，每進一個新場地就要拉資料、重新訓練、跑回歸驗證，一整條流程跑下來要以週計算。Zeva這套東西部署完就開始運作，愈用愈準，代價是推論時情境變長、單步開銷也變高。哪一種比較划算，要看場景切換的頻率——如果一台機器人常年做同一件事，微調仍然是比較省的選擇。
論文題為《Zeva: In-Context Causal Learning for Generalizable Embodied Manipulation》，參與者包括清華AIR的劉雲新與曹霆。
參考來源：Zeva論文原文、量子位、CocoLoop；各項成功率與基準名稱按論文揭露口徑核對，提升幅度為依論文數值直接相減而得。