π0.5 的 Action Expert 梯度会回传至 VLA 吗？为什么？

会回传。π0/π0.5 中动作专家与 VLM 联合端到端训练：flow matching 或 token 损失对动作专家求导后，经共享注意力继续向 VLM 主干传播，机器人相关的输入投影也同步更新。设计者选择全参微调而非隔断，是因为任务要求主干真正理解机器人语境；预训练知识由异构 co-training 数据与训练超参保护，而不是靠梯度隔断。

对比方向：冻结主干（如 π-FAST 之上只训 RL 头、RLT 冻结 VLA 只训 actor-critic 头）保护知识但上限受既有表示约束；梯度回传上限高但数据不足时会遗忘。面试加分点是指出「梯度是否隔断」不是教条，而是数据规模、算力预算与任务分布偏移程度共同决定的工程决策。