EVIS：经验引导与行为验证的启动配置搜索

基于摘要分析。研究关注冻结的已学习技能（如 Vision-Language-Action（VLA）策略）部署到新环境时，如何在有限交互预算下找到可靠的启动配置。作者提出 EVIS（Experience-Guided and Behavior-Validated Initiation Search），利用历史执行经验优先筛选有希望的候选配置，再通过目标环境中的行为验证其有效性。 核心问题在于技能组合的状态传递：启动配置不仅影响当前技能能否执行，还影响传给后续技能的物理状态，因此单个技能成功不等于组合任务完成。直接复用历史经验可能受环境变化影响，而大量目标环境试运行又会增加部署成本。EVIS 将历史经验用于候选搜索引导，将目标环境行为用于有效性确认；摘要未说明候选配置的表示、排序准则、行为验证判据及搜索终止条件。 作者在采用冻结 VLA 策略的单技能与两阶段操控任务中评估 EVIS，并报告：在较小交互预算下，该方法降低了平均目标环境查询次数，改善了可靠候选配置的发现。摘要未提供具体数值、对照方法、任务规模或可靠性的定义，实验协议、消融及统计信息尚未验证。复现需进一步核对历史经验的来源、目标环境变化的设置、查询预算，以及组合任务成功与单技能成功的评估关系。 平台推测（待验证）：这一机制可能启发 BCI 中利用历史会话经验筛选控制器启动或校准配置，再以少量当前会话交互确认有效性的流程；其依赖可比较的历史记录、可搜索的配置空间及可靠的行为反馈。可复用的是候选优先排序与在线验证框架，需改造的是配置表示和反馈判据。EEG 低信噪比、跨被试及跨会话变化、小样本反馈可能使历史排序失效或验证不稳定。一个可检验的小实验是在固定解码器和相同校准预算下，比较历史引导加当前会话验证与无历史引导搜索的候选发现效率及后续控制成功率。该迁移尚未验证，已有 EEG 相关工作尚未检索确认。