VLA-ZO：视觉-语言-动作模型的快速零阶适应

基于摘要分析。VLA-ZO 针对视觉-语言-动作（VLA）模型部署时的分布偏移，提出仅适应动作侧、复用冻结视觉-语言前缀计算状态的零阶（ZO）优化框架，旨在降低适应耗时，并保持接近推理级别的内存需求。 核心机制是避免在每次参数扰动查询中重复运行昂贵的视觉-语言前缀：将其冻结后，跨扰动查询及优化器步骤复用条件状态，并通过感知调度的预取隐藏状态传输开销。其针对的瓶颈不同于常规一阶适应的梯度存储成本，而是零阶梯度估计所需大量前向查询带来的计算成本。摘要未提供具体损失、参数扰动方式、动作侧可更新模块或缓存生命周期，相关实现尚未验证。 作者报告，在 LIBERO 摄像机视角偏移评估中，相对基线 ZO，q=16 时端到端适应耗时缩短至对应 25.59 倍加速，q=64 时为 32.54 倍加速；平均任务成功率从不适应时的 48.27%，分别提高到 58.17% 和 63.58%。耗时比较对象是基线 ZO，成功率比较对象是不适应模型，两者不能混为同一对照。具体模型、任务划分、适应监督、硬件、内存实测、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 解码模型也具有昂贵的冻结特征前缀和较轻的可更新输出模块，这种复用思路可能降低资源受限部署中的零阶适应开销；这是计算结构层面的迁移假设，并非已验证的 BCI 效果。可复用部分是条件状态缓存与查询调度，需改造的是 EEG 输出模块、适应目标和流式缓存管理。低信噪比、小样本可能使零阶估计不稳定；跨被试或通道变化若主要影响前缀表征，仅更新输出侧可能不足。可在固定 Cross-session 划分、相同查询预算与适应目标下，对比普通 ZO 和缓存复用 ZO 的耗时、峰值内存及解码指标，检验计算收益是否保留且性能不受损。已有 EEG 相关工作尚未检索确认。