AlphaNIST 提出用稀疏二元奖励训练单一策略，在 NIST 装配任务板全部 20 个任务上从零学习，无需示教、进度塑形或逐任务调参，成功率达 98.2%。该策略还能在无预定顺序下完成十对装配，并自主涌现灵巧规划行为，如选择有利抓取、借助几何重定向零件、交错装配等。