EviSeek 提出免训练框架，让具身智能体主动取证
论文AI 评分 68/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
arXiv 上的一篇论文提出 EviSeek，这是一个免训练框架，用于具身主动信息获取。该框架把问题转化出的证据需求作为明确的采集目标，将依赖观测的动作与选择性保留的证据，同智能体要寻找的信息关联起来，从而避免无方向的交互。在 ESI-Bench 的 3,436 道问题上，搭配 Qwen3-VL-32B 时准确率比单模型智能体高 7.1 个百分点，搭配 Gemini 3.1 Pro 时高 3.7 个百分点，同时视觉支持加权准确率提升、平均 token 用量下降。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载要解决的问题
具身主动问答要求智能体通过改变视角和物理交互来获取证据。论文指出核心难点在于交互缺乏方向：智能体可能采取看似合理的动作，却没有明确这些动作应当揭示哪些证据来回答问题。仅靠动作计划和累积的历史，交互的信息目的仍然是隐含的。EviSeek 的做法是把问题推导出的证据需求变成显式的采集目标，让依赖观测的动作和选择性保留的证据都围绕智能体需要获知的信息来组织。
实验设置与结果
论文在 ESI-Bench 的 3,436 道问题上评测。与单模型智能体相比，EviSeek 搭配 Qwen3-VL-32B 时准确率提升 7.1 个百分点，搭配 Gemini 3.1 Pro 时提升 3.7 个百分点。除准确率外，视觉支持加权准确率也有改善，平均 token 用量下降。作者据此认为，把交互的信息目的显式化、让动作选择与证据保留围绕回答问题所需的信息来安排，是有效的方向。该框架不需要训练。
为什么值得看
具身问答常因动作缺乏信息目的而低效，该工作把证据需求显式化，并给出可量化的准确率与 token 收益。
GeminiQwen智能体论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。