Video2Skill 基准：19 个开源 VLM 组装可复用机器人技能普遍不及格

Video2Skill 基准测试模型从连续视频流中把操作事件组织成可复用技能库，19 个开源 VLM 多数在同类变换分组上接近随机，扩大规模也未必有帮助。评测覆盖机器人桌面操作与人类厨房活动的事件定位、同类变换分组、新建 vs 复用技能决策三项能力。监督微调（含作者提出的 CLaRe 反事实库状态重平衡）改善了分组，但库规模仍停滞在参考规模一半以下。