榜单分预测不了部署，机械臂自迭代99% (opens in new tab)

榜单名次预测不了agent的部署表现，真正该看的是predictive validity；SEVRA把test-time推理变成serving层的按需分配；FreeStyle去社区LoRA里挖训练数据；ENPIRE把自我改进搬进真实机械臂，灵巧操作训到99%成功率。