low-latency-inference

作者将 Gevva0 升级为级联决策引擎（静态规则 → 吸收马尔可夫链 → 快速路径 logits → 有界思维链），并诚实地发布了对先前“100% GTO”说法的更正：修复提示泄漏漏洞后，零样本 GTO 一致率实为约 15%-29%，但延迟仍保持约 2 毫秒。

SpikingVLA 提出了一种 ANN 到 SNN 的转换框架，采用树突脉冲发放（Dendritic Integrate-and-Fire）神经元和异步执行机制，实现低功耗、低延迟的脉冲 VLA 推理，相比现有脉冲 VLA 方法，导航成功率显著提升，首次动作延迟降低至原来的 1/11.2。