不同寻常的一周：他记了这几笔

机器人学习的博客，一周之内凑出了五篇，罕见。 清单照录：Perry Dong 和 Chelsea Finn 联名发问，机器人领域缺一份标准的后训练配方，该像 LLM 有过的一样；bfl_ai 放出 Flux 3 Action 配文，开源权重侧终于多了根机器人研究者能搭的骨干；Sam Padilla 讲关掉自家公司后、从内部看数据采集这门生意长什么样；Aurel Arnold 和原作者合写 11 组消融实验，讲怎么把 π0.5 的微调榨出最大价值；Marilyn Liu 谈 Generalist 为什么用 Insta360 相机采集，另一组人马也刚好用同款相机搭了数据台。 引帖里那个提法最抓人：机器人的"RLHF 时刻"什么时候来？LLM 有过配方化的那一步，模型从此能被稳定地往上推。机器人这边还差这个。 我最看重第 1 篇和第 4 篇的呼应。一篇要标准配方，一篇直接把配方摊开验证：11 组消融摆着，哪步有效哪步是白工，别人照着抄就省一遍摸索。这跟前面开源零件清单那篇一个理，把散在各处的诀窍变成可复现的流程，行业才能往下一步走。 保留的好奇在数据。配方再好，机器人吃的还是采集来的数据，关公司那篇透露的生意账大概说明了这行难在哪：数据贵，又没有通用的买法。 五篇的链接都在那条推里，挑第 4 篇的消融表先读，实打实的数字最不骗人。