两个发现：通过 RoPE 让机器人动作更快，以及一个意外发现的 RTC 前缀 bug。
一个 Frontier Model，一个机器人策略。两处权重修改。
最近的 Weight Editing 进展让我们好奇：当 Frontier Model 尝试直接修改一个已训练机器人策略的权重时，它会如何找到有效的改法？我们将任务交给 Opus-5.5：通过修改权重，让机器人执行得更快。它展开了一段提出假设、实验验证、根据失败修正方案的 AutoResearch 过程。
Opus 从 RoPE 出发，提出动作位置可能影响运动节奏的假设，设计实验验证，再将有效干预拟合进 Q/K 权重。它还意外发现了前缀处理中的 bug，并把修复写入时间调制权重。我们随后进行夹瓶子任务的真机验证：在原版与编辑版成功率均为 100% 的情况下，编辑版在动作执行频率为 30、35、40 Hz 时，均比同频率原版更快，平均用时分别缩短 4.3%、7.4%、12.0%。三档频率等权汇总后，平均 chunk 跳变从 30.88 mm 降至 3.14 mm，降低 89.8%。当然，随着执行频率提高，跳变的改善幅度也逐渐降低：从 30 Hz 的 94.5%，降至 35 Hz 的 90.7% 和 40 Hz 的 85.2%。
Opus 的确展现了对参数空间的良好理解。但我们认为，这些修改的成功，不仅依赖于参数编辑本身，更大程度依赖于它发现问题、设计实验、解决问题的 AutoResearch 能力。
随后，我们在 YAM 上验证。
30、35、40 Hz：原版与编辑版对比
同一布局，每组 3 次执行。上方展示平均完成时间，原版 → 编辑版。视频先对比原版 30 Hz 与编辑版 40 Hz 的全部三次执行，再展示 30、35、40 Hz 各自的同频率对比，各选取原版完成时间居中的一次与编辑版最快的一次。
1× 原速播放。0:00：原版 30 Hz 对比编辑版 40 Hz（三列为三次执行）；0:23 起：同频率对比（三列依次为 30、35、40 Hz）。每段均从正式 rollout 开始对齐，各路在第四瓶放手时定格，计时显示该次执行的实际用时。
其他任务：硬币抓取后至交接放手阶段缩短 20.7%；叠方块未见明显提速。这是一次有效、但收益有限的初步尝试。
FINDINGS / Opus 发现了什么
两处权重修改：一次提速，一个意外的 bug 修复
一个在 Training-Time RTC 官方公开实现中未处理的前缀 bug，一种调节动作节奏的 RoPE 干预。Opus 将两者写入新权重，保留原有生产推理代码。
Training-Time RTC 官方实现中，未处理的前缀 bug
每轮去噪前，条件前缀都会恢复为给定动作；但最后一轮仍用预测的 velocity 再更新一次，随后直接返回，没有再次恢复前缀。这里的 velocity 是 flow matching 的生成更新量，不是机械臂物理速度。实际延迟短于预留前缀时，被改写的动作就可能进入执行。官方固定延迟示例丢弃整个前缀，因此没有暴露这一问题。
Opus 如何修改时间调制权重
先确定零更新目标
将 scale 设为 −1，消去动作特征的影响；再求 shift = s*，使它经过原动作输出层后为零。
让改变量只在 生效
以目标调制值减去原值，得到 。利用时间特征 求解 ：前缀启用 ，其他十个采样时刻不启用。
把增量写入
用外积得到 。因为 ，固定的权重增量就包含了按时间启用的效果。
核心修复只需一行：采样循环结束后恢复条件前缀。对 0/1 硬掩码，高亮行等价于 actions[:, :6] = target[:, :6]；其余两行用于接收和返回结果。这是等效代码对照。Opus 实际交付的是让前缀更新量接近零的新权重，生产推理中没有新增这行操作。
堆叠时间特征，rhs 选择前缀，scale0/shift0 是原调制值。只改 ，动作输出权重 与推理代码保持不变。
结论：在相同离线输入上，权重修复与一行代码修复将切换步长降至近似水平。Opus 识别了前缀一致性问题，并通过修改最终归一化层的时间调制权重，近似实现了这一修复。
增大 RoPE 位置间隔，再把干预效果写入权重
Opus 将模型内部的动作位置从 改为 ，保持 30 Hz 执行频率。 时，离线路径进度比的中位数为 1.131，路径偏差为 1.229 mm。
虚线是原版方向，实线是动作 、通道对 增加旋转后的方向。。原版方向采用任意示意角度，向量长度保持不变；不同通道对的旋转速率不同。这是注意力内部的表示，不是机器人关节转角。
这个旋转怎样变成权重修改？
先在 teacher 中改变位置规则，检查生成动作；再将原版 Q/K 多转这个角度，得到拟合目标；最后求解能近似产生这些目标的新 Q/K 权重。候选模型推理时仍用原版位置规则，由新权重近似补上额外旋转。
已有离线对照：间隔更大，不一定更好
直接 RoPE 干预 · 60 个观测中 58 个有效 · 跨观测中位数。绿色柱为选定的 。这里衡量预测路径，不是真机完成速度。
把 RoPE 干预效果，拟合进 Q/K 权重。
将位置干预作为 teacher，Opus 构造旋转后的 Q/K 目标，求解第 1–17 层的新投影权重，让候选模型沿用原推理代码与位置规则。
下列为简化伪代码。RoPE 前的 Q/K 额外旋转与 teacher 的位置修改在代数上等价；共享投影权重对该旋转的拟合只是近似。
Opus 如何构造 Y、拟合 ΔW
收集隐藏特征
用本地 demonstration 与历史 rollout 的观测运行模型，将各层 Q/K 投影前的隐藏特征逐行堆叠为 。
旋转原版 Q/K，得到目标
对动作 ，将同一特征产生的原版 Q/K，额外旋转位置差 对应的 RoPE 角度，补足 到 的差异；将目标向量逐行堆叠为 。
拟合 ，再减去原权重
让 接近 ，同时用正则项限制偏离 。对第 1–17 层的 Q、K 分别拟合；推理保留原版 RoPE。
摘要
基于模仿学习的机器人策略，其执行速度往往受限于示范数据的执行节奏（Execution Tempo）。然而，任务语义信息、Skill 和关键交互具有一定的时间尺度不变性（Temporal Invariance）。例如，人类以 3 倍速或 0.5 倍速观看同一段技能讲解视频，节奏虽然不同，但从中提炼的核心技能知识仍然相同。为此，我们从 Frontier Model 的 weight space 出发，探索能否通过 parameter adaptation，在保留任务知识与操作能力的同时，实现执行节奏的可控调整，并在满足动力学约束与任务成功率的前提下，提升 closed-loop execution 的速度与平滑性。
我们向 Opus 5.5 提供预训练策略、源码、历史轨迹与一张 RTX 4090，要求不使用反向传播、不改变生产推理程序，并交付可回滚的独立权重。它从 RoPE 的机制出发，提出动作位置间隔可能影响预测节奏的假设，设计对照实验加以检验；在输出层拟合效果不佳后，转向注意力 Q/K 投影，将位置干预近似写入权重。它还在未被明确要求的前缀处理细节中发现问题，并通过另一项参数修改缓解 chunk 跳变。我们随后进行真机验证：放瓶子任务在 30、35、40 Hz 下的平均完成时间分别比同频率原版缩短 4.3%、7.4%、12.0%，三档频率等权汇总的平均 chunk 跳变降低 89.8%；注意力区域干预进一步显示，动作之间的分数变化保留了较多离线进度收益。这些结果提供了初步的有效性证据，而本文更关注形成方案的研究过程：机制理解、假设提出、实验设计与失败后的方法修正如何共同构成 Weight-Space Editing。这个案例让我们得以具体讨论以及掀开未来的一角，Frontier Model 将会以什么形式参与具身领域问题的发现与解决。
1 我们的想法与研究条件
我们想检验：Frontier Model 能否理解一个已训练机器人策略的参数，并通过少量修改让机器人更快地执行动作、完成任务？我们将这个问题交给 Opus 5.5，让模型根据机制与目标推导权重修改。
我们提供目标与环境，由 Opus 5.5 提出假设、设计实验并选择解法。环境包括一张 NVIDIA GeForce RTX 4090、已训练的 π₀.₅ [2] Training-Time RTC checkpoint、模型与推理源码、本地 demonstration 和历史机器人执行数据。它通过 Claude Code 调用工具开展离线研究。所用 demonstration 与历史执行轨迹均采自 YAM 机械臂，后续真机验证也由我们在 YAM 上完成。Opus 5.5 的自主研究全程未操控机器人，也未获取在线物理反馈，仅使用已有记录进行离线实验。它统计了 136 条历史执行轨迹（5 类任务）与 154 条人类 demonstration（3 类任务）；实际编辑另从已有数据中选取 12 条 demonstration（6 类任务）和 12 条历史执行轨迹（4 类任务）。任务包括投硬币、抓移动方块、叠方块、放瓶子和按压旋转时钟。
我们要求不使用反向传播、梯度优化器或 LoRA，允许前向实验和闭式拟合；尽量少改参数，保持生产推理与控制程序不变，并交付独立、可回滚的权重。20%–30% 的任务时间缩短是探索目标，稳定的 5%–10% 改善也有意义；需要检查平滑性和跨任务表现，并与原版、动作幅度缩放、轨迹时间缩放及随机权重修改比较。
实际得到的方案，由机制假设、对照实验和方法修正逐步形成。我们关注的不只是权重修改后的性能，也包括 Opus 如何发现问题、检验解释，并在失败后改变方向。第二节介绍其研究过程，第三节报告我们补充的真机与机制实验，最后讨论这一案例对 Robotics AutoResearch 的启发。
本文中，一个 action chunk 是策略一次预测的 50 步未来动作，每步包含两臂 12 个关节目标与 2 个夹爪目标，采样频率为 30 Hz。每轮执行 32 步，更新计划时将旧计划的前 6 步作为条件，即 RTC prefix。切换前后目标位置的突变称为 chunk 跳变；它描述命令的变化，而非机械臂瞬间移动。
2 Opus 5.5 的假设、验证与解法
先把整体思路讲清楚
下文将两项权重修改分别称为前缀修复和节奏加速，两者合并称为联合编辑。
先找时间花在哪里
模型推理在当前动作块执行完之前就能返回。因此问题转为：能不能让生成的动作在同样时间内，沿原来的路线推进更多？
先修好两段动作的交接 · 前缀修复
把相邻动作块想成两条有重叠的指令纸带：重叠部分本应一致。但最后一次采样更新扰动了预留前缀；权重修复抑制这部分更新，让交接处近似对齐。
再试着拉开模型内部的刻度 · RoPE
把动作位置想成模型内部尺子上的刻度。拉开刻度，机器人仍按 30 Hz 接收指令。改变的是注意力读取序列的方式，能否产生更快的动作还要通过实验检验。
把有效干预近似写进权重 · 节奏加速
直接改位置规则提高了离线路径推进后，将它对应的 Q/K 额外旋转作为拟合目标，求解新的投影权重，再用留出的观测检查生成动作。之后由研究者在真机上验证组合修改。
2.1 定位提速对象：推理等待与动作执行
Opus 5.5 首先检查任务耗时是否主要来自等待模型推理。它读取部署配置，并对照 136 条历史 RTC 轨迹中的推理时间、动作命令和实测关节状态。一次推理约需 105–109 ms，明显短于约 1.073 s 的计划更新周期；记录中也未出现以等待下一次推理为主的明显空窗。随后，它用 154 条 demonstration 中的动作速度与停顿作为参考，转向分析策略生成的动作。
这一诊断将研究重点落在动作执行过程中的时间收益。Opus 5.5 沿两条线索继续验证：首先检查新旧 chunk 切换时的异常是否来自生成过程，再检验能否在保留任务路线的同时增加后续动作的推进量。前者形成前缀修复方案，后者形成节奏加速方案（通过 Q/K 投影编辑实现）；两者合并称为联合编辑。
2.2 修复保留动作前缀中的 chunk 跳变
Opus 5.5 比较模型输出与实际执行命令后发现：前 6 步作为条件输入，但生成结果偏离了这些旧动作；部署通常只裁掉过期的前 4 步，剩余第 5、6 步的偏差便进入执行。原因是最后一次 flow matching 积分后，前缀没有再次恢复。
Opus 5.5 计算权重增量矩阵 ，将 保存到新 checkpoint。Opus 修改的是最终归一化层里，将时间特征映射为 scale、shift 的线性层权重 （图 1），即 final_norm_1.Dense_0.kernel。 与它同为 ，逐项指定权重增量。目标是让前缀更新量接近零，同时保持其他采样时刻的输出；推理代码不变。
图 1. 前缀修复只将绿色时间投影层改为 。时间特征 在最终归一化处调制动作特征 ；动作输出投影不变。
原版时间调制过程如图 1 所示，原版在绿色位置使用 。前缀使用生成时间条件 ，其他动作使用 ； 不是物理执行时间。时间编码及 time_mlp_in/out 将 映射为 1024 维特征 ，其中 不是零向量。对单个动作 token，令 为它经过 18 层 Transformer 后的隐藏特征； 则是时间分支算出的三组调制值。本小节的特征按行向量书写， 为列向量。原版模型通过 scale 和 shift 调整 ：
这组公式是原版已有的计算，Opus 沿用它来推导编辑目标。 表示逐元素乘法，gate 在此未使用。这里 ，不额外包含可学习的 scale；时间调制已在式中单独写出。 属于线性层 action_out_proj，不是时间 MLP；，其输出 是采样更新量。前缀修复保留 ，只替换 。
第一步：设定能让前缀更新量为零的目标。
以下带撇号的量表示编辑后。Opus 将 scale 的目标设为全 −1，再求最小范数的 ，使它经线性动作输出层后为零：
因此不需要令 Transformer 的输出 本身为零；目标 scale 会消去它的影响，目标 shift 则令最终特征等于 ，并抵消输出层偏置。
第二步：计算调制值的目标改变量。
以目标减原值，得到 ；加回原调制值即可检查它是否达到目标：
第三步：求解 ，使增量只作用于前缀。
Opus 将 10 个采样时刻的时间特征与前缀 的时间特征逐行堆叠，组成 。它要找 1024 维系数 ，使前缀的点积 ，其余十个点积 。把这些目标组成向量 ，统一求解：
表示给前缀加上完整的 ；其余点积为 0 表示不加。 来自原模型， 来自这次求解。
写回权重并检查效果。
我们希望时间特征经过新权重后，恰好多出 。由于矩阵乘法满足结合律，这等于 ；因此将 作为权重增量即可：
的第 行为 ：所有行都由同一个向量缩放得到，只有一个独立方向，因此这是一项秩一修改。
在 36 个 demonstration 与 24 个历史执行观测上，前缀关节误差由约 0.095 rad 降至 rad，后续动作最大变化约为 0.0034 rad，路径进度几乎不变。Opus 5.5 因此保留这一前缀修复，继续寻找提速方法；我们对该问题的代码与实验核对见第 3.2 节。
2.3 动作节奏假设与 RoPE 位置干预
前缀修复没有让后续动作推进得更快。对于提速，Opus 5.5 在读取模型代码时提出：“My leading hypothesis is that action timing depends on RoPE positions.” 我们进一步展开这一假设：模型可能学到了动作位置间隔与动作位移的隐式联系；增大内部位置间隔、保持实际控制周期不变，可能让相同时间内的有效位移增加。
图 2 先概括这一步：改变模型读取动作序列的位置坐标，再检验预测动作是否推进得更快。
图 2. RoPE 位置干预：内部动作位置间隔放大，实际执行时钟不变；对应变化是每对 Q/K 通道的额外旋转。圆图为原理示意。
令 为动作序号、 为未被 mask 屏蔽的上下文 token 数。这里及后续离线公式的动作索引均从 0 开始。内部位置改变，实际执行间隔 s 保持不变：
RoPE 将位置编码为 Q/K 的旋转 [3]：
是经过该层自适应归一化、送入 Q/K 投影的隐藏特征，这里按列向量书写； 分别表示一个 query head 和共享 key head 的投影权重；实际有 8 个 query heads、1 个 key/value head。在每个 256 维 head 内，第 与 个通道配对旋转，。对其中一对 ，
表示全部 128 对通道的旋转。固定旋转前的内容向量，动作 的内积由原版变为
因此，干预放大的是动作之间的相对位置间隔。动作 Q 对保持不变的图像、文本和状态 K 的读取也会变化；经过 softmax 和对 V 的加权，影响后续动作生成。它不直接放大 V 或关节目标。
Opus 5.5 执行两组对照：
（1）在 36 个 demonstration 观测与 24 个历史执行观测上，将全部 18 层动作位置改为 ，测试 ；
（2）在 36 个 demonstration 观测上保持 RoPE 不变，只将提供给模型的前 6 步动作加快至原来的 1.25、1.5、2.0 倍。
各干预与原版使用相同观测和初始噪声。
它先将原版预测按不同倍速重采样，寻找与干预后关节轨迹最接近的速度： 的 RoPE 干预对应约 1.12 倍，而仅加快前缀对应约 1.01 倍。因此，它继续研究位置干预。
随后，Opus 5.5 检验：在相同预测时刻，编辑版是否沿原版规划的路线走得更远。它进行正向运动学计算，将原版 TCP pose 的位置连成参考路线。将编辑版位置匹配到路线最近点，以该点的累计沿路距离除以原版同一时刻的沿路距离，得到路径进度比；编辑版各位置到路线的最近距离的均值为路径偏差（图 3）。
图 3. 两项路径指标。（a）同一时刻原版推进 50 mm，编辑版对应参考路线上的 60 mm，进度比为 1.2。（b）对编辑位置到参考路线的最近距离取平均，得到路径偏差。
计算排除前 6 步条件。令 为原版第 6–49 步线性插值的 TCP 路线（米）， 为从第 6 步到 的累计沿路距离， 为编辑版第 步的位置。进度只在 处评估；偏差使用 中全部位置。与代码一致，进度在网格 上寻找最近点，偏差在 的 880 个等距点 上计算：
其中分母下限为 米，用于避免参考路程为零时除零； 中的 1000 将米换算为毫米。
表 1 报告 与 （mm）。原版在比较区间内移动不足 15 mm 的手臂不纳入；每个观测内平均有效手臂，再跨观测取中位数。
表 1. 位置尺度与前缀加速对照。Opus 5.5 保存逐样本指标，我们按有效观测取中位数；RoPE 组为 60 个输入中的 58 个，前缀组为 36 个中的 34 个。
表 1 显示， 和 1.5 增加进度，2.0 的收益基本消失且偏差增大；仅加快前缀的作用很小。我们推测，固定采样间隔下学到的时间与动作映射，可能使位置缩放的收益存在限度。这是对非单调趋势的解释，尚不是已验证的原因。
Opus 5.5 选择 为主要目标。这个干预改的是动作专家注意力中的位置规则，权重不变。为了保持生产推理代码不变，它将此模型作为直接 RoPE teacher，尝试把干预效果内化到与原版结构相同的新权重中。
2.4 首次尝试：仅拟合末端动作输出层
要检验的最小改动：仅改最后一层，能否复现 teacher 的最终动作？原输出层为 ，其中前 14 个通道对应双臂关节与夹爪，其余 18 个为填充通道。Opus 5.5 只拟合前 14 列，保留其余列与全部偏置。下面 表示这 14 列， 是对应偏置； 均取归一化动作空间中的这 14 个通道。 为 teacher 的最终输出， 为候选第 轮、位置 的当前状态； 为经过最终时间调制归一化、送入输出层的列向量，剩余生成时间为 ：
是朝 teacher 最终动作推进的目标更新量，不是机械臂速度。Opus 5.5 用带原权重正则的最小二乘拟合 ，偏置 固定；采样器迭代 10 次得到最终动作（图 4）。
图 4. 仅拟合绿色输出层，目标由 teacher 的最终动作构造；输出参与 10 步迭代生成。其他权重及原生 RoPE 不变。
分别检查拟合重建与新输入上的迁移。令 为候选与 teacher 的最终关节目标， 遍历 12 个关节；每个观测的关节误差为
它先平方、平均再开根，以 rad 报告，再对观测取平均。为检查动作是否剧烈变化，对 TCP 位置 计算加速度的变化率 jerk：
报告 ，在观测内平均有效手臂；它不包含 chunk 切换，需与路径进度及偏差一起解释。
24 个 demonstration 观测上拟合三轮后，关节 RMS 为 0.0050 rad；另 12 个 demonstration 与 16 个历史执行观测上，误差增至 0.0239 rad，平均路径偏差为 8.256 mm，jerk 比为 3.245。重建效果未延续到测试输入，Opus 5.5 因而放弃输出层拟合，转向注意力内部。
2.5 转向注意力内部：拟合 Q/K 投影
Opus 5.5 将拟合目标从最终动作移到 Q/K 表示：目标由已知旋转直接计算，再由新权重近似复现（图 5）。
图 5. 用同一隐藏特征的原版 Q/K 经过额外旋转构造 ，再拟合并保存新权重；推理仍使用原版 RoPE。
第一步：构造中间表示目标。
要让候选保留原生 RoPE ，同时近似 teacher 的 ，需在投影输出中补上额外旋转：
因此，分别对 Q 和 K 构造目标：
目标 来自同一隐藏特征 的原版 Q/K 加已知旋转，无需更快动作的人工标签。
第二步：采集特征并闭式拟合。
Opus 5.5 先检查特征采集前向是否改变原版输出，关节 RMS 为约 0.00037–0.00044 rad，低于采用的 0.002 rad 容差，才将列向量转置，以 、 分别作为一行，堆成 、，求解
第一项使新投影接近目标，第二项限制偏离原权重； 是元素平方和， 是单位矩阵， 为采集的特征行数， 为待选正则系数，按特征能量缩放。实现求解线性方程而非显式求逆，不使用反向传播；每轮重新采集候选的特征，并累积历轮的 和 后求解； 表示这些累积样本，V 投影权重保持不变。共享权重不直接接收动作序号，因此它依赖特征中已有的位置信息来近似额外旋转。
第三步：检查生成动作并调整拟合。
初版在全部 18 层拟合 Q/K，两轮后拟合观测上与 teacher 的归一化动作 RMS 从 0.03694 降至约 0.00298。它检验的是最终动作，而非 Q/K 特征误差。改进版保留第 0 层，仅拟合第 1–17 层，相应 teacher 也仅在这些层修改 RoPE。它的考虑是：第 0 层输入尚未经过动作注意力混合，可能缺少让共享投影区分动作序号的信息。
第四步：在留出的观测上验证改进。
Opus 5.5 从 12 条 demonstration 和 12 条历史执行轨迹中取 48 个观测拟合，另留 36 个时刻测试；时刻不重复，但来自同一批轨迹。三轮拟合后，共同测试上的进度比由初版约 1.17 增至 1.20，偏差由 1.26 降至 1.08 mm，jerk 比由 1.47 降至 1.37。Opus 5.5 因而保留节奏加速编辑，接着检验修改强度及其与前缀修复的组合。
2.6 进一步施加参数约束，并与前缀修复合并验证
Opus 5.5 用编辑强度 控制拟合改变量：
为原版 Q/K， 为完整节奏加速编辑；它与拟合时的位置尺度 是不同参数。测试 至 1.5 时，进度先增加，随后饱和且偏差增大。将修改限制为秩 16、64、256 时，进度约为 1.06、1.10、1.16，低于完整节奏加速编辑的约 1.20。
随后，它在 36 个相同测试观测上比较前缀修复、节奏加速编辑与组合，并加入时间缩放和动作幅度缩放基线（系数均为 1.21445）。表 2 中路径与 jerk 指标纳入 35 个有效观测。chunk 跳变取旧计划前 4 步与新计划第 5–13 步拼接邻域内的最大相邻 TCP 步长，再取两臂较大值；它包含正常相邻动作位移。
表 2. 相同测试输入上的离线比较。各指标为中位数；进度、偏差和 jerk 有效输入数为 35，chunk 跳变为 36。进度 1.214 倍表示相同时间内沿原路线推进更多，不代表成功任务时间缩短 21.4%。
组合候选同时增加了路径进度并减小 chunk 跳变，但 chunk 内 jerk 比升至 1.363。时间缩放的偏差与 jerk 更低，却保留了原版跳变；随机权重方向的路径偏差达到 24.05 mm、jerk 比为 31.07，未能保留原行为。Opus 5.5 最终选择联合编辑、；由于未比较前缀修复+时间缩放，这不证明编辑优于所有后处理方案。
2.7 交付与研究开销
Opus 5.5 检查保存、回滚与原生重载后，交付独立 checkpoint，共修改全模型 1.16% 的参数，8 个测试输入均得到有效输出。首轮研究用时 1 小时 50 分 42 秒，调用工具 193 次（Bash 163、Write 18、Read 8、其他 4），发起 187 次 API 请求。181 次有用量记录，合计输出 184,614 token，另有缓存写入 433,426、读取 36,783,281 token；缺失的 6 次请求不按零计入，缓存读取包含重复上下文。以上均不包含后续真机分析和本文编写。
3 我们后续的实验与分析
我们随后检验实际任务用时与 chunk 跳变，并通过注意力区域干预和前缀处理对照分析内部作用。以下为我们补充的实验，不计入 Opus 5.5 首轮研究开销。
3.1 真机实验：任务用时与动作质量
我们在放瓶子、投硬币和叠方块三个任务上比较原版 Training-Time RTC 与联合编辑版（）。每个任务均采用相同的物体布局，每个权重与频率条件统计 3 次执行。
（1）放瓶子：权重编辑的收益在不同执行频率下持续存在。
我们在此前的 30 Hz 测试之外，进一步以 35 和 40 Hz 比较两套权重。每个频率内，原版与编辑版采用相同设置、同一布局，各统计三次成功执行。用时从正式执行开始计至第四瓶在桶内放手，以真实采集时间戳计算。
这轮实验保持两套 checkpoint 不变，仅缩短动作点的执行间隔，不追加 RoPE 干预，也不重新拟合权重。32 步执行长度、6 步条件前缀和底层 100 Hz 控制循环保持不变；因此高频下同样步数覆盖的物理时间更短。
表 3. 相同布局下的执行频率对照。每个条件包含 3 次成功记录；用时为均值 ± 样本标准差。30 Hz 为此前批次，35/40 Hz 为后续实验。
提高执行频率让两套策略都更快，但编辑版在三档相同频率下始终保留额外收益。表 3 中，编辑版在 35 Hz 下的平均用时已经接近原版 40 Hz；两者都以 40 Hz 执行时，编辑版仍平均提前 2.15 s 完成。这支持权重编辑改变了策略生成动作的方式，其收益可以与执行频率提升叠加。这里的一致性指收益在三档频率下均存在，幅度并不相同。
三档频率下的 chunk 跳变均明显减小，汇总均值从 30.88 mm 降至 3.14 mm，降低 89.8%。我们沿用同一计算方式：在正式开始至第四瓶放手之间，定位计划切换前后相邻的命令 tick，经正向运动学计算 TCP 距离，取双臂较大值；先在每条轨迹内平均，再对每组 3 条轨迹等权平均。首次进入计划及经过空计划的切换不计入。该指标衡量命令的切换步长。表 4 列出各频率结果，汇总行对三档频率等权，不直接平均百分比。
表 4. 各执行频率下的平均 chunk 跳变。每个权重与频率条件包含 3 条成功轨迹，使用与完成时间相同的裁剪终点；三档合计每种权重 9 条。
更快的执行也伴随着更大的剩余跳变。编辑版在 30、35、40 Hz 下的平均 chunk 跳变从 1.43 增至 3.09、4.89 mm，相对原版的降幅由 94.5% 降至 90.7%、85.2%。因此，提高执行频率后仍明显优于同频率原版，但提速与动作连续性之间存在取舍。
此前 30 Hz 的逐次完成时间见表 5；表 6 进一步报告这六条 30 Hz 记录的动作质量。
表 5. 相同布局下 30 Hz 放瓶子任务的成功执行时间。每组 3 次，均值后为样本标准差；编号仅表示组内重复，不表示随机配对。
编辑版平均提前 0.96 s 完成，时间缩短 4.3%。这是相同布局下各三次成功执行的比较，不能据此估计成功率变化。
在这六条 30 Hz 记录的同一完成区间内，我们在每次计划切换处计算相邻命令的 TCP 距离，取两臂较大值，再按每条轨迹统计并对组内三条轨迹取平均（表 6）。原版与编辑版分别包含 60、58 次切换，首次进入计划不计入。
表 6. 同六条成功记录、同完成区间内的动作质量。各行先按轨迹计算，再对每组 3 条轨迹等权平均；“最大值”是每条轨迹最大值的组均值。
平均 chunk 跳变降低 94.5%，末端跟踪误差基本保持。完整命令轨迹按 30 Hz 三阶差分计算的 jerk P95 也下降 77.4%；它包含切换处的改善，与仅统计 chunk 内部的离线 jerk 不同。
（2）投硬币：提速主要发生在夹取后的搬运阶段。
我们以实测夹爪的持续闭合、张开划分动作阶段。表 7 显示，从左手闭合到交接放开的总用时由 5.85 s 降至 4.64 s，缩短 20.7%；其中，左手闭合至右手闭合的搬运阶段缩短 22.1%，开始到夹取及交接放手的用时基本不变。
表 7. 相同布局下投硬币任务的分阶段用时：原版与编辑版各 3 次，表中为各组均值。阶段边界来自实测夹爪状态；开始时刻为正式执行的首个有效计划 tick。最后一行是中间两阶段的合计。
这里的 20.7% 表示夹取后至交接放开的阶段用时缩短，与瓶子实验的整项任务完成时间分开报告。
（3）叠方块：没有观察到明显提速。
两组各 3 次测试最终均成功，成功数同为 3/3。其中，原版第 2 次执行在堆叠失败后重新抓取并完成任务，因此总用时较长，为 28.27 s。表 8 保留全部六次执行的完成时间；为比较无需重试时的执行速度，我们排除这次记录后计算均值。原版其余 2 次与编辑版 3 次的平均完成时间分别为 19.46、19.28 s，仅缩短 0.19 s（约 1.0%），且单次用时相互重叠。
表 8. 相同布局下叠方块任务的完成时间。从正式执行开始计时，到视频确认最终方块放开且由下方堆叠支撑为止。† 表示堆叠失败后重试成功：保留该次结果，但不纳入下方的速度比较均值。编号仅表示组内重复。
这些真机结果表明，权重编辑在我们的任务中确实取得了收益：放瓶子更快且 chunk 跳变更小，投硬币的搬运阶段也有所加快。但这仍是一次初步尝试，提速幅度有限。这与第 2.3 节的假设及离线结果相呼应：模型学到的动作位置与位移关系可能提供调节动作节奏的入口。
3.2 在参数空间修复前缀一致性问题
出人意料的是，前缀修复让我们注意到了一个在 Training-Time RTC（TT-RTC）官方公开代码中未处理的 bug：实际延迟短于预设前缀时，被最后一次积分改写的条件动作仍可能进入执行。我们首先简单介绍什么是 TT-RTC。
TT-RTC 要解决的是：机器人在等待下一段 chunk 推理完时，如何继续运动，并顺畅切换到新 chunk。图 6 顶行是上一个 chunk 剩余的动作 。模型从 开始进行下一段动作的推理时，机器人继续执行当前 chunk；我们把预计在等待期间执行的前 6 步 – 作为条件（prefix），让模型生成接在后面的新动作 。TT-RTC 官方代码的固定延迟仿真使用相同的条件长度与延迟。以图 6(a) 的 6 步为例，旧 chunk 执行到 后，新结果恰好返回。程序丢弃新输出的前 6 步，从 开始执行，完成 chunk 切换 [4], [5]。
图 6. 从旧 chunk 切换到新 chunk。顶行是计算开始时旧计划剩余的动作，前 6 步被用作条件。下方三行是新返回的动作序列，箭头标出切换后从哪里开始执行；灰色位置会被丢弃，星号表示最后一次采样积分留下的改动。
(a) 等待 6 步：旧计划执行到 ，切换到 。
(b) 只等待 4 步：旧计划执行到 ，却切换到被改写的 （红色）。
(c) 修复后，同样在 后切换，但接上的是保持原样的 （绿色），再执行新动作 。
图 6(b) 展示了结果提前返回时的问题。模型只计算了 4 个动作步的时间，机器人也只执行到旧 chunk 的 ，接下来仍需要 。然而，条件前缀在 flow matching 采样中仍参与积分更新。以我们使用的 10 次采样迭代为例，第 1–9 次积分对前缀的改动，都会在下一轮计算前被给定的旧动作替换；第 10 次积分后却直接返回，没有再替换一次。因此，新结果中留下的可能是 ，而不是原计划的 。此时切换 chunk，机器人就会接到两个被改写的动作，产生跳变。TT-RTC 官方代码在图 6(a) 的设定下会丢弃全部前缀，因此没有暴露这一问题。
对于需要 IK 的部署，为覆盖求解时延波动，我们通常会保守地预留更长的 prefix。延迟波动越大，这个预留长度与某次实际延迟的差距也可能越大；一旦结果提前返回，就会留下更多仍需执行的条件动作。OpenWAM [6] 原版使用 i2rt 封装的 Mink 微分 IK，迭代求解二次规划（QP）；包含 IK 的动作解码耗时中位数为 22.9 ms，最高 921.2 ms。随后采用的 DLS gate 根据雅可比矩阵最小奇异值调节运动正则、限制关节变化，耗时仍从中位数 49.3 ms 到最高 177.7 ms。
图 6(c) 展示了修复后的切换：即使在 后拿到新结果，接下来执行的仍是原计划的 。Opus 5.5 的前缀修复让这些条件动作对应的采样更新量接近零，避免最后一次积分改写它们。它修改的是动作专家最后一个归一化层的时间调制权重 final_norm_1.Dense_0.kernel。在当前设置下，其效果几乎等价于返回前执行 actions[:6] = condition[:6]，即把前 6 步重新替换为给定的旧动作；Opus 通过修改参数近似实现了这一步。
我们随后用相同的 36 个观测（12 个本地 demonstration、24 个历史 rollout 观测）补充对照，固定随机种子和采样步数，比较缩短条件、仅使用前缀修复、直接恢复前缀三种处理，均不包含节奏加速编辑。
表 9. 前缀处理对照：36 个相同观测，假设实际裁剪 4 步。切换点步长为旧计划第 4 步至新计划第 5 步的 TCP 距离，取双臂较大值，再取样本中位数。后续动作差异为第 7–38 步、12 个关节相对原版的 RMS，取样本均值。
表 9 显示，相对原版的 19.16 mm，前缀权重修复与直接恢复前缀的代码修复，分别将切换点步长中位数降至 1.80、1.88 mm，后续动作变化也很小。这支持两者在前缀修复上的近似等效。缩短为 4 步条件也能改善当前对照，但不能消除实际延迟短于条件长度时的同类问题。
Opus 通过修改时间调制权重，使条件前缀的更新量接近零，在参数空间修复了官方公开代码未处理的这一 bug：实际延迟短于预设 prefix 时，被采样更新改写的条件动作仍可能进入执行序列。对于需要 IK、必须为延迟波动预留余量的部署，这项前缀保护尤其重要。我们没有指定这一缺陷；Opus 在研究中主动发现它，并在不改推理代码的约束下给出了参数层面的修复。
3.3 机制分析：哪些注意力变化保留了进度收益
我们在相同的 8 个瓶子任务观测上比较原版、直接 RoPE teacher 与节奏加速编辑，固定初始噪声、RTC 条件和采样步数，不叠加前缀修复。首先，节奏加速编辑的上下文注意力与 teacher 更接近：分布距离 JSD 为 0.00173，低于其与原版的 0.00792（越低越接近）。这支持拟合保留了位置干预的部分内部效果。
图 7. 统一带掩码 softmax 之前的注意力分数干预。行是 query，列是 key。蓝色：动作读取上下文；橙色：动作读取动作；灰色：原版分数。右上角被掩码屏蔽。颜色标记干预区域，不代表实测数值大小。
图 7 标出两个区域：右下角是动作读取动作，左下角是动作读取图像、文本和状态。在每层当前同一份隐藏特征 上，分别用原版（）和节奏加速编辑（）的 Q/K 权重，按式 (7) 计算投影并施加原始 RoPE，得到 softmax 前的分数：
其中 为动作 query， 为 key，；ctx 表示图像、文本和状态，act 表示动作。上下文缓存 保持不变。两种区域干预分别为：
为原始注意力掩码（可读取位置为 0，屏蔽位置为 ）。组合分数后统一归一化，再计算 并继续前向传播；V 投影权重保持不变。由于 softmax 分母共享，改变一块分数也可能改变另一块的概率。
表 10. 注意力路径干预对预测动作的影响，8 个输入的中位数。进度沿原路径计算，分别取第 21、37 步；所有变体均使用同一批手臂，按原版预测累计移动至少 15 mm 的条件选择。前缀修复均关闭，jerk 为 chunk 内指标。这些是离线计划的几何量，不是实测完成时间。
表 10 显示，第 37 步的进度比由完整节奏加速编辑的 1.140 变为仅动作间干预的 1.087、仅上下文干预的 1.039。动作之间的分数干预保留了较多离线进度收益。
结语
我们本以为，这会是一次 magic：Claude 凭直觉修改几处权重，机器人就能执行得更快。然而事实并非如此。我们认为，这次 Weight Editing 的成功，本质上来自 Frontier Model 的 AutoResearch 能力：理解机制、发现问题、检验假设，并根据失败调整方向。对参数空间的理解使修改成为可能，而研究过程让它找到了值得实现的修改。
这也引出了一个更重要的问题：在 Robotics 知识逐渐被 Frontier Model 内化的时代，下一代、甚至未来几代模型，会如何改变我们提出问题、验证想法和推进研究的方式？这个案例还无法回答，但它让这些问题变得具体，也让我们对接下来会发生什么充满期待。当模型能够承担更多探索和验证工作，我们需要更认真地思考：如何把 Robotics 需求抽象提炼成适合 AutoResearch 的研究任务？以及如何找到更有意义的 scientific or engineering problem？
希望本文能揭开 Frontier Models for Robotics Research 的一角。
参考文献
Rikiya Takehi, Jayden Teoh, Alex Zhang, Omar Khattab. Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights. MIT CSAIL, 2026.
Physical Intelligence et al. π0.5: a Vision-Language-Action Model with Open-World Generalization. arXiv:2504.16054, 2025.
Jianlin Su et al. RoFormer: Enhanced Transformer with Rotary Position Embedding. arXiv:2104.09864.
Kevin Black, Allen Z. Ren, Michael Equi, Sergey Levine. Training-Time Action Conditioning for Efficient Real-Time Chunking. arXiv:2512.05964v2.
Physical Intelligence. real-time-chunking-kinetix, commit
9296f31d62d5. 本文核对src/model.py与src/eval_flow.py。Yuran Wang et al. OpenWAM: An Open, Modular Exploration Towards Systematic World-Action Model Pretraining. arXiv:2609.07398, 2026.
BibTeX
@misc{gong2026roboticsweightediting,
author = {Gong, Ziyang and Zheng, Kaifeng and Huang, Yingrui and Chen, Wendi and Tian, Jiaguo and Yang, Junkai and Liu, Minghuan and Yang, Zhenjie},
title = {{We Asked Opus-5.5 to Edit 's Weights. AutoResearch Made It Happen.}},
year = {2026},
url = { }
原始研究 Prompt
来源：human five
