機器人學會動手後，還記得常識嗎？新研究量測 VLA 模型的知識流失

具身智慧的 VLA（視覺-語言-動作）模型，通常是拿一個本來很強的視覺-語言模型，再用機器人資料去微調而成。問題來了：經過這番改造、學會了控制手臂與感知環境之後，它原本那套常識與事實知識還剩多少？沒人說得準。而且當模型在需要知識的任務上失手時，往往分不清是它根本不知道，還是知道卻沒能力執行——兩種失敗混在一起，很難診斷。

這篇論文正面處理這個模糊地帶，設計方法去量測 VLA 模型在適應機器人任務後的常識與世界知識到底保留了多少。之所以重要，是因為一個會動手的機器人若在過程中悄悄流失了對世界的基本理解，它做出來的動作就可能看似俐落、實則違背常識——好比會精準抓取，卻搞不清該不該抓、抓了會怎樣。把『知不知道』和『做不做得到』拆開來評估，是讓具身 AI 變可靠的必要一步。

對關注機器人與具身 AI 的人，這提醒了一個容易被忽略的代價：把通用大模型特化成專用執行者，往往要付出通識退化的隱形學費。今天另一篇 hf 論文談 agent 的程序記憶、談怎麼讓技能累積不流失，這篇則從反方向敲警鐘——特化的同時別把根基掏空。兩者合起來看，指向同一個核心命題：AI 要真的好用，得同時管好『學到新本事』與『別忘了舊常識』這兩件事。