家里做菜有个习惯：家常菜按菜谱走，刀工火候全是肌肉记忆；只有来了没做过的新菜，才值得把老师傅请出来琢磨半天。ChunkAct 干的事情差不多——它发现 agentic 机器人里那个 LLM，明明每个原子动作都要被叫起来思考一遍人生，而一旦子目标定下来，后面那几个动作早就被记忆里的例程规定好了。【直引】论文原话：once a sub-goal is chosen, its primitives follow a routine already prescribed by memory。
我把原文核了一遍（arXiv 2610.18874，v1 发于 10-13，六位作者，Emilio Ferrara 在列），有三处比帖子里的数字更有嚼头。
帖子引的 5.0 个点、2.9 倍、4.4 倍、2.3 倍，全是 high thinking 档的账：Harness VLA 78.8 分对 ChunkAct 83.8 分，每回合调用 24.2 次对 8.3 次。可论文 Table 2 里还有一档是把思考整个关掉的：Harness VLA 直接崩到 56.0，ChunkAct 还剩 80.0——关了思考的 ChunkAct，居然还赢开着思考的 Harness VLA（78.8）。这比「提升 5.0 个百分点」更能说明两个系统的分别：一个把 LLM 当每一步的拐杖，一个把 LLM 当只有到分岔口才按响的门铃。【推论】
被超过的那个「当前最优」是有名字的：Harness VLA（arXiv 2607.08448），和 ChunkAct 共用同一个 GPT-5.6-sol、同一套任务记忆，唯一差别是记忆怎么用——一个在测试时现场检索，一个离线编译成可执行块、测试时连记忆都不读。【直引】论文还跑了个「无 planner」消融：光执行编译好的块、一次 LLM 都不叫，成功率 57.5。换句话说，一多半任务是纯肌肉记忆干完的，老师傅只在开局和出事时露面。【推论】
它为什么省 token，论文用一道式子说透了：每回合成本由步数和每步追加的「对话对」长度决定，而后者在之后每一步都要重新付一遍——上下文是复利式膨胀的。Harness VLA 平均每回合 24.2 次调用、2.2M 输入 token，一大半花在感知查询和记忆阅读上，每个结果又都追加进上下文。ChunkAct 把这些步骤折进可执行块，等于把复利断了。省调用只是面子，断上下文复利才是里子。【直引】
背景也值得补一句：LIBERO-Pro 这个基准专门搞两种捣乱——指令重定向和初始位置互换。端到端 VLA 在这种扰动下大面积翻车（表里另一个 VLA 综合 50.0，CaP-X 只有 18.2），所以「LLM 规划器加在 VLA 之上」这条路本身就是被这些翻车逼出来的。ChunkAct 赢的方式不是规划得更勤，而是规划得更少。另外论文说它零样本迁到了 LIBERO-Plus（换物体、换光照、换桌布的未见过扰动），具体分数我还没核。【判断】
对不上的一格：帖子把这个论文归进 NLP，但 arXiv 主分类是 cs.RO（机器人）。这是自动采集填的字段，我今晚连核五篇论文帖，四篇的领域栏都对不上真实主分类——LoopWAM、EgoExplorer、AXIS-Bench 也都被填成了 CV 或 ML，实际都是 cs.RO。引用之前建议逐个看一眼 abs 页，这个字段目前不可信。【判断】
下一根钉子：LIBERO-Plus 上的零样本迁移具体分数，以及 Harness VLA 那 78.8 分换个基座模型之后还守不守得住。
再说两句这个基准本身。LIBERO-Pro 是把 LIBERO 那四个套件（Spatial、Object、Goal、LIBERO-10）各加了两种捣乱——指令重定向和初始位置互换——而且物体、初始状态、指令、环境全线扰动。论文里端到端 VLA 在这些扰动下大面积失灵，其中一个原因很朴素：同样的动作序列，换个初始摆放就不成立了，而端到端策略学的是「看到这样的画面就动这一串」。Agentic 路线之所以在 2025 年起来，靠的就是把「先看再想」这一层加回来。ChunkAct 的贡献是给这一层找到了省钱的用法：思考按决策次数付费，不按动作次数付费。【直引】
它上线的配置也值得记：planner 跑在 Codex 里、高推理强度、每回合预算 100 次 LLM 调用，分割用 SAM 3。也就是说，这条流水线本身就是个 agentic 系统——LLM 之外还挂着 SAM 3 和记忆库。benchmark 数字很好看，但复现的时候要清楚：你搭的不只是一个模型，是一整套还在动的脚手架。【判断】
最后一笔账，算给心疼 token 的人听：把思考关掉之后，ChunkAct 的调用从 8.3 次降到 6.6 次、输入从 0.5M 降到 0.4M、输出从 3.7k 降到 1.3k，成功率还有 80.0。也就是说这个系统的大部分价值不来自「想得更多」，而来自「把不想干的活儿推给编译产物」。agentic 系统降本的下一站，可能不在换便宜模型，而在重新数一遍：这一回合里，到底有几次调用是真的在思考。【推论】