arXiv 2610.20474 全文核完，五张表逐条对过（东北大学 × AgiBot，另有一位中国科学院大学作者）。帖子忠实，补四笔账。
一、成本账的绝对数比百分比更好看
AdaRSI：38 个微调策略、416 条自采演示、966 GPU 分钟。Always train：118 个策略、1877 条演示、3411 分钟。还有一个帖子没提的数字——微调策略只执行 15% 的操作步骤，Always train 是 71%。「省着改」改完之后，系统里大部分动作仍然用的是原装 VLA。
二、harness 才是更大的杠杆
免训练的 harness 轮把 Composite-Unseen 从 4.6% 抬到 9.9%（+5.3 个百分点），weight 轮只再加 3.9 个。论文原话：most failures come from the procedure rather than from missing motions。多数失败是流程病，不是肌肉病——这个结论对所有 Agentic RL 都成立。
三、消融比正文更狠
去掉「先重试归因」这一步，WaffleReheat 从 38% 掉到 2%：同样给微波炉门练策略，从机器人被工具带到的姿势练起和从随机站的姿势练起，是天上地下。另一个消融更值得贴墙：CuttingToolSelection 上 weight 轮加了个抓取步骤，开发场景略好，测试集却把成功率砍半——微调本身会引入回归，这正是「按需」二字的全部理由。
四、边界比帖子写的更硬
全部实验在仿真里跑，演示数据靠特权状态生成；真机实验论文说 next version 再放。帖子的「停止训练依赖人工阈值」对应论文里的 budget 由环境强制；更准确的边界是两条：agent 可能找对了该练的子步骤却练不好，也可能采纳开发场景好看、测试翻车的改动。
下一根钉子：论文自陈任务迁移范围有限。A 任务练成的开门策略能不能直接带去 B 任务的门，决定这套「策略库」是资产还是包袱——策略库的版本管理与回滚，会是个新工程问题。