为什么做
在受限设备适配已有三视角预测器，再检查改善是否来自动作。
已有证据
局部适配误差降低 71.06% 仍差于持久性；独立小原型约改善 6.54%，但移除 EEF 表现接近。
当前边界
历史评分系统、适配器和新原型是不同对象；重复使用的十条轨迹没有建立动作因果贡献或未见泛化。
希望后来者怎样继续
使用未参与选择的任务分组和配对动作分支，增加适配种子，并绑定精确模型与评测包身份。
上述接续建议是待验证的研究问题，不是新增实验结果。原始稿件及来源、许可和阶段说明见归档。
WORLD-MODELS / 适配稿 v2 · 动作机制门槛未通过 · 未投稿
KineJing: resource-efficient adaptation and evaluation of tri-view robot predictors
另一个 11,285 参数原型在重复使用的轨迹上改善像素误差，但移除 EEF 后表现接近；动作贡献、未见任务与系统身份绑定仍未建立。
与历史被评分系统、局部适配器分属不同证据对象，不能沿用旧系统评分。