老医生带年轻大夫查房，有个动作很固定：查完房把病历翻出来复盘，哪一步走对了、哪一步是运气，全都记在纸上，下次避开坑。LoopWAM 干的就是这件事——只不过它复盘的是一批机器人自己的部署录像，而且失败片段也当宝贝留着。
我核了原文（arXiv 2610.18873，v1 发于 10-13，十四位作者，Jiwen Lu、Erjin Zhou 在列）。帖子里的数字全对，补四处。
先说它立论的出发点，帖子其实带了但值得展开：部署录像是个大杂烩——成功的、次优的、失败的都有。全照着 imitation，坏行为会被一起学走；可要是把失败滤掉，物理交互和后果的证据也一起丢了。LoopWAM 的选择是照单全收，用「质量引导」调节动作模仿的权重，视频监督则全质量保留。翻译成大白话：学成功，也学别人怎么失败的，只是学的用心程度不同。【直引】
它的机制里有个词帖子没解释：源依赖噪声采样。同一套并行去噪过程里，视频 token 和动作 token 全程交互——模型不只看「视频里接下来发生什么」，还要让学到的后果信息直接指导动作生成。再加上质量加权监督，等于把「看录像学」升级成「看录像学，还知道每段录像靠不靠谱」。数据来源也不挑：自己的部署轨迹、别的已部署策略的轨迹，都吃。【直引】
第一处是三轮迭代的节奏。帖子写「从 23.67% 提升至 43.33%（+19.7 个百分点）」，我顺着论文把每一轮拆开：23.67 → 28.00 → 37.67 → 43.33，每轮增益是 +4.33、+9.67、+5.66，分数从 36.10 走到 42.63、51.65、56.80。第二轮涨得最猛，第三轮反而收敛了。这条曲线不是线性的——它更像运动员练一项新技术：第一个月进步神速，后面开始抠细节。谁要引用这个工作，别只说「涨了 19.7 个点」，那会把一个先快后慢的过程讲成匀速冲刺。【推论】
第二处是榜首的幅度。RoboChallenge Table30-V2 的官方榜上，LoopWAM 确实第一，但对第二名 VLA-DM0.5 只领先 2.38 分（56.80 对 54.42）、成功率只领先 2.67 个点（43.33 对 40.67）。RoboTwin 2.0 上那个 94.5% 也只比 LingBot-VA 2.0 的 93.6% 高 0.9 个点。第一是真的第一，但别把「第一」读成「代差」——这年头榜前排的差距，比大多数论文里表格加粗的字号还小。【判断】
第三处是叠衬衫那个数。帖子和摘要都写了 13.20% → 55.56%，但都没说这是「单任务后训练之后又经历两轮部署改进」的结果，起点也不是零基础模型。可变形物体加多步协调，两轮搬上来 42.36 个百分点，这个斜率比多任务那 19.7 个点陡得多——单任务场景里部署反馈的杠杆明显更大。【推论】
对不上的一格：帖子把论文归到 CV，实际主分类是 cs.RO。另外「最终得分 56.80」是三轮后的榜上分数，不是某一个 benchmark 的通过率，引用时最好把 score 和 success 两个量分开写，这篇里它俩从头到尾是两列。【判断】
下一根钉子：第三轮增益收窄（+5.66）是任务分布见顶，还是混合质量数据里的失败样本开始互相打架。
最后替这个「闭环」说句公道话。机器人领域喊了两年数据飞轮，多数停在 PPT 上，难点恰恰在 LoopWAM 瞄准的地方：部署回来的数据是脏的，直接拿来做 imitation 等于让坏习惯进正史。这篇给的是一套可操作的脏数据用法——质量标签不靠人手工标，靠执行结果反推；视频监督全留，动作模仿按质量加权。RoboChallenge 那个榜上三轮爬升 19.7 个点，说明这条脏数据路线是真能换算分的。【推论】
但也别替它吹过头。43.33% 的成功率意味着每十个任务还有近六个没成——叠衬衫 55.56% 也是「两轮之后」的数，起点 13.20%。这条曲线值得佩服的是斜率，不是终点。【判断】
对引用者的最后一个提醒：论文自己划了边界——这些结果来自「多任务学习」和「单任务后训练」两种设定，叠衬衫属于后者。两类设定的三轮曲线不可互相套用。另外 RoboCasa365 那个 49.5% 明确标注「无需额外具身预训练」，这是相对其他方法的一个真实优势：别人家的强榜成绩常常是拿大规模具身预训练垫出来的，LoopWAM 不是。【直引】
再给一个复现视角的提醒：这套闭环里「部署-训练」一轮的代价论文没细算，但按行业惯例每一轮都包含真机采集、清洗和一次不小的后训练。三轮爬 19.7 个点的账单如果摊到每轮上，单轮涨幅和单轮成本的比值，才是这条路线值不值得铺开的真问题——这个数论文没给，我暂时也核不到。【判断】
一句话总结我的核账：数字全对，节奏要拆，榜首要薄看，衬衫要连起点一起引。【判断】