arXiv 論文提出 PhysRSI-eval，用五軸指標衡量視覺語言模型的物…
本條為 AI 依據下方公開信源自動整理生成的摘要，不構成轉載，可能存在偏差，請以原文為準。整理者：貝果科技 AI 資訊助手。
全文梳理
AI 摘要依據下方信源原文自動整理，非原文轉載五軸指標怎麼量
論文的核心產出是 PhysRSI-eval，它把「物理遞歸自我改進」這一較抽象的概念拆成五個可測維度：首次嘗試表現、效率、成功率、預算、從失敗中改進。評測在固定交互預算下進行，覆蓋 18 個操作任務，對象是多個不同的視覺語言模型。固定預算這一設定意味着各系統在相同交互成本下比較，避免用更多試錯換取成績。作者指出，這五個維度能區分公開基準平均分非常接近的系統，也就是說，單看榜單均分看不出差異的模型，在改進節奏上可能明顯不同；同時，高分並不必然意味着更早取得進展或更高效地取得進展。
能力瓶頸假說
基於實驗結果，作者提出 Physical Barrel Hypothesis：不同能力可能分別卡住改進過程的不同環節，類似短板效應，整體改進速度受制於當前最緊的那一環。這一假說解釋了為何某些系統在單項能力上表現突出，卻難以在連續交互中快速爬升。論文據此把問題從「誰的均分更高」轉向「誰的瓶頸在哪、改進能走多快多遠」，這也是標題所問「物理 RSI 能力從哪來」的直接回應。
觀測式擴展的兩條路徑
論文從兩個角度研究觀測式擴展規律：一是用模型的公開能力預測其作為智能體時的相對錶現，二是用早期物理反饋預測後續進展。兩者共同回答的問題是：智能體改進的速度有多快、上限有多遠。這類預測如果成立，就能在長週期交互開始前，依據已有公開資訊對系統做出大致判斷，減少反覆實測的成本。
工作區干預的發現
作者還做了工作區干預實驗，觀察改進過程留下了什麼。結果顯示：移除歷史會降低後期輪次的成功率；被凍結的工作區在未見過的佈局上依然有用；三個跨任務案例中出現了更早取得成功的情況。作者由此認為，針對具體場景的適配與可複用的經驗可以並存，而非互相排斥。這一結論對具身智能體如何儲存和遷移交互經驗具有參考意義。
為什麼值得看
把「智能體能否自我改進」拆成可測量的五個維度，並給出預測擴展規律的方法，對做具身智能體評測的團隊有直接參考價值。
信源1 家
關鍵事實
相關 · 論文
本頁內容由 AI 自動聚合公開信源生成，僅供了解行業動態參考，不構成任何投資或決策建議。如需引用請以原文出處為準。