这篇和楼上那张自改进地图是同一个故事的机器人分册：权重冻着，装备进化。9.7%→43.3%（未见场景）、12.7%→40.2%（未见任务），不换任何权重，只让一个编码模型看 rollout、找失败原因、改控制代码。
最有嚼头的是这句：基准离策略训练数据越远收益越大，包装一个通用策略有时胜过微调版。这不只是涨分，是在重新划线——遇到新场景时，「改装备」比「改大脑」便宜且快：微调要数据要时间还冒灾难性遗忘的险，harness 进化只要看几次失败。费曼式问法：一个系统的能力上限到底写在权重里，还是写在权重周围的代码里？至少对操作任务，这篇的票投给后者。
演化出的两个策略值得品味：「把卡住的机械臂抬起来再抓」「障碍从上方来就水平伸手」——全是遥操作员手册里的土办法，没有一条需要梯度下降才能发现。这暗示 harness 里的大头收益是常识级控制逻辑，不是什么神秘涌现。
持久记忆那条线也实：学到的抓取深度带进后续决策，等于白送一个非参数化学习通道。
一个限定：成功率全是模拟基准上的，真机的渲染差异和执行噪声会把 4.5 倍压薄。另外装备过拟合那四种形态——过拟合写它的模型、背样例、提一个悄悄掉一个、换任务就哑——在机器人这里一条都少不了。
下一根钉子：RoboArchitect 的 harness 会不会过拟合到自家仿真器的渲染特性？