教机器人做新任务，过去常要重新采集数据、训练模型。现在，一些团队想换个办法：先让机器人看人演示一遍，再照着完成。这里的 In-Context Learning（上下文学习）指模型不修改参数，只从当前输入的示例里临时学习；示例不只是文字，还包括视频、视觉观察和动作历史。
据量子位报道，Skild AI 的 S1 可接收最长 10 分钟、包含几十步操作的演示。在未见过的任务上，加入视频上下文后，表现约为只用语言指令的 7 倍；但在训练数据仅 1000 小时时，语言指令仍然更好，数据规模增加后，视频上下文才反超。这个结果提示，机器人的新 Scaling（通过扩大某个维度持续提升能力）方向，可能不只是堆训练数据，也包括让模型读懂更长、更复杂的多模态上下文。
Generalist AI 的 GEN-1.5 也展示了看一次示范、无需微调便适配任务的能力。不过，两家公司尚未完整公开技术细节，现阶段更适合把它看作值得跟踪的路线信号，而非已经验证成熟的通用方案。