arXiv Robotics· Zekai Li, Jiayi Yu, Jinlu Zhang, Luyang Niu, Zekun Qi, Jun Zheng, Xuchuan Chen, Dairu Liu, Yintianrun Zhang, He Wang, Li Yi·· 2 小时前AI 评分34
物理 RSI 能力从何而来？LLM-as-policy 的观测缩放定律
Where is Physical RSI capability from? An Observational Scaling Law of LLM-as-policy
AI 导读
研究系统考察了物理递归自我改进（RSI）的机制与缩放行为，提出 PhysRSI-eval 五轴指标（首次尝试表现、效率、成功率、预算、失败后改进），在固定交互预算下用 18 个操作任务评测不同 VLM。结果支持"物理木桶假说"：不同能力约束改进的不同环节，五轴指标能区分公开基准均值接近的系统。工作区干预显示，移除历史会降低后期成功率，冻结工作区在未见布局上仍有效，三个跨任务案例更早取得成功。
来源：arXiv Robotics · arxiv.org