边界完成 (CaB)：有限校准下具有完成感知控制的可部署切换

视觉-语言-动作（VLA）代理可以执行自然语言指令，但部署的系统仍然缺乏操作界面：决定指令何时完成。这种差距在短组合（“先做 A，然后 B”）中非常严重，其中不合时宜的切换会导致下游故障。完成本质上是闭环的，因为切换是一种改变指令上下文的干预，从而改变未来的行动和观察。我们在开放式指令空间的推动下，在可部署的低校准机制下研究完成情况，强制执行无测试时间重新学习和在开发集上选择一次的单一全局校准切换规则，并在测试集上重复使用不变。在这种约束下，在跨任务的极性转变下，将不对称边界证据折叠成单个标量可能会很脆弱。我们提出边界完成（CaB），它以边界阶段词元（之前/命中/之后）的形式预测事件局部完成对象，在该学科下保留两侧边界证据。 CaB-When 将此完成对象转换为最小的、可审核的切换决策（何时），而 CaB-How 重用相同的完成对象来通过切换（如何）来条件操作生成以实现边界稳定控制。使用干预感知 E1/E2 协议，我们证明 CaB 在匹配的容量和可部署性约束下提高了第一人称 Minecraft VLA 基准的复合执行和切换质量。