先观察再行动：将树搜索蒸馏为冻结 VLA 模型的动作评估器

论文提出 SVA（Search、Value、Act），用仿真环境中的蒙特卡洛树搜索探索冻结 VLA 的候选动作分布，以经验回报训练轻量 Q 值模型，部署时由评估器选择长期后果更优的动作。诊断显示 pass@1 成功率为 33%，pass@32 达 92%；摘要称 9B VLA 在特定测试设置下比 27B 模型高 7 个百分点，推理延迟降低 27%。