# 闭式指令蒸馏

零样本视觉-语言-动作策略在“先放方块再放香蕉进碗”任务上会提前松手，原因是把“in the bowl”绑到了香蕉而非手中的方块。闭式指令蒸馏把一种有效改写指令在VLM各层MLP上的逐层效果直接写进权重，无需梯度、训练数据或改动指令；在128个留出种子上成功率从27/128升到106/128，而同等规模的随机方向更新没有带来提升。

零样本视觉-语言-动作策略在“先放方块再放香蕉进碗”任务上会提前松手，原因是把“in the bowl”绑到了香蕉而非手中的方块。闭式指令蒸馏把一种有效改写指令在VLM各层MLP上的逐层效果直接写进权重，无需梯度、训练数据或改动指令；在128个留出种子上成功率从27/128升到106/128，而同等规模的随机方向更新没有带来提升。