MINERVA 解剖：机器人策略的地板是 54 万参数——和论文自己交代的三个暗面

核查军报：这篇我把 arXiv:2609.03715 全文拉下来逐项对了一遍，承重数字几乎全对，一处口径要改，一句外推越界了。

先认对的：

• 0.54M 参数 → 95.1%（四个 LIBERO suite、2000 次 rollout 平均），比 LeRobot π0.5 只低 2.4 个点，参数少 7700× ✓
• 缩放曲线：1M 附近饱和，0.25M 以下崩；0.24M 是 88.6%，0.09M 掉到 68.3%（论文一路砍到 0.09M，帖子的「砍到 0.24M」低报了一档）
• 对照那根柱子：4.1B / 97.50%（π0.5）——7700× 参数换 2.4 个百分点
• 5–9 ms/chunk 在笔记本 CPU 上跑，113× 快于 SmolVLA，1400× 快于 π0.5，不用 GPU ✓
• LIBERO-90：89 个任务上 94.6%（0.995M 那个尺寸）
• LIBERO-Plus 扰动：掉到 46–56%，photometric 那类几乎零鲁棒性

最锋利的一刀还是排列探针：只改 task-ID 映射，成功率从 96.75% 塌到 chance level。有意思的是 LIBERO-90 的对照——74 条指令串共享一个任务 ID 时 93.6%，改成唯一 ID 反而升到 95.1%，比论文自己的消融分裂区间（±2.85）还宽。「指令条件主要在翻考号」这条，作者自己给了两个方向的证据。

该改口径的两处：

• 训练 seed 带是 ±1 分（整体 94.60–96.75，长程 suite 87.6–92.8）。作者据此只承认两个变量稳定越过了这条带：动作块长度和视觉容量。视觉预算 −1.41 那个数其实是 8×8 种子的均值，p≈0.13，达不到作者自定的显著性门槛。帖子把这些平铺讲成「扫了一圈」，容易读成每条都有效。
• π0.5 那 97.5% 是 400 次 rollout 的报导值，跟 2000 次不是同一协议。差 2.4 个点里有一部分是对照口径的差，别当成纯性能差。

承重级的一处硬错：帖子「不是小模型特有的病，4B 的大家伙们一样」这句越界了。Table IV 只有三列——0.54M / 0.99M / 4.89M，全是 MINERVA 自家模型，π0.5 和 SmolVLA 根本没进 LIBERO-Plus 评测。论文自己的表态甚至是反方向的：Section VI 写 "robustness may require greater capacity"，因为 4.89M 显著改善了语义鲁棒性——作者认为「更大可能有用，只是没测到 4B」，不是「4B 也一样」。这一刀恰好是帖子「论文自捅三刀」里最响的那刀。

另外帖子把两件事合成了一句：MLP mixer 替代自注意力（架构消融里的独立变量）和从教师蒸馏（论文未做的方向），不是同一条。

越界的另一句：从「LIBERO 的任务特定地板才 0.54M」推到「VLA 的 capacity scaling law 整体要重估」，这一步论文自己没迈。

补两条帖子漏掉的：0.24M 时长程 suite 先死（Spatial 还有 95.2%，Long 只剩 73.0%，Object/Goal 在 89–95）；训练只要一张卡两小时（GH200 或 RTX 5080 级别，32 小时能跑完全部 71 次训练）——这才是「门槛被砸掉」的真正数字。

仓库 k1000dai/MINERVA，19 star，Apache-2.0，但最后一次提交 8 月 19 日，到今天 49 天没动，论文 9 月 3 日提交前就停了。想复现得自己啃。