kaiyun网址
先问你一个问题。
要是你家里的扫地机器东说念主每次撞到统一个桌角，你但愿它奈何办？大部分东说念主会说，但愿它下次记着这里有个桌角。但执行是，绝大大都机器东说念主系统根柢莫得"记着"这个才调，它们一次又一次撞在统一个场所,直到工程师且归改代码。
这即是embodied agent（具身智能体，指能感知环境并在物理宇宙中实施手脚的AI系统，比如机器东说念主）规模一直以来的无语近况。哪怕装上了最灵敏的谎言语模子当大脑,机器东说念主实施任务时该忘的还是忘,该错的还是错,涵养从来莫得真确千里淀下来。
新加坡南洋理工大学团结北航、新国立、上海交大等机构的洽商团队,最近发布了一个叫RoboFoundry的系统,试图从根子上处理这个问题。它的中枢方针有点反直观:与其不休升级机器东说念主的"大脑"（也即是阿谁谎言语模子本人），不如让"大脑以外的整套系统"学会自我进化。这篇论文里,他们把GPT-5.5的线路硬生生拉高了27.8%,况且这个擢升不是靠换了更强的模子,是靠改良了模子周围那套复古系统。
这事听起来有点玄乎,咱们赋闲拒绝看。
大脑很灵敏,但身边的助理很业余
先说个可能会颠覆你默契的事实。
谎言语模子（LLM）能作念方案、能推理、能贯通图像,这些才调早就被考据过了。但当你把GPT-5.5这么的顶尖模子径直塞进一个机器东说念主系统里,让它去完成"把厨房里扫数清洁剂从水槽搬到沙发上"这种任务时,它的线路鄙俗很厄运。论文里的原始GPT-5.5在EmbodiedBench这个测试集上只拿到56.9分的平平分,而经过RoboFoundry改良后,统一个模子能冲到72.7分。
模子没换,分数却能差出16分,这阐明什么问题?
阐明问题根本不在大脑本人,而在大脑周围的那套"支合手系统"。洽商者建议一个想法,叫System-as-Policy（系统即计谋）。
System-as-Policy指的是,一个机器东说念主的实质行径线路,不是单纯由阿谁谎言语模子决定的,而是由模子加上它周围一整套复古步伐共同决定的,这些步伐包括:模子能看到什么信息、它记着了什么、它的决策怎样被调遣成实质的机械手脚。
这就好比公司里招了一个尽头灵敏的新职工,但没东说念主给他配电脑、莫得里面尊府库、也没东说念主告诉他前次犯过什么错。这个职工再灵敏,也只可每天从零驱动摸索,经久重叠一样的初级空虚。真确决定这个职工职责线路的,从来不仅仅他的身手,而是公司给他配的整套职责环境。要是不给这套环境配都,再换十个更灵敏的新职工,截至也一样。
这个类比揭示了一个纰谬代价:要是只盯着换更强的模子,而不去改良周围的支合手系统,那么参预产出比会极低。你花大价格升级了大脑,但职责环境还是一团糟,灵敏反而成了亏空。
那具体奈何改?
会诊、设置、考据、推论:一个闭环
RoboFoundry预备了一个轮回机制,叫Act-Reflect-Repair-Promote（行径-反想-设置-推论）。
这个轮回分四步走。第一步是实施任务,机器东说念主按照面前系统去干活,把扫数这个词经过——看到了什么、作念了什么、截至怎样——一都记载下来,这叫实施轨迹（execution trace）。
实施轨迹：机器东说念主完成一次任务的齐全记载,包括每一步的不雅察、决策、手脚和截至反映,相等于一份详备的"职责日记"。
第二步是反想,系统会分析刚才失败或低效的场所,到底是哪个体式出的问题。洽商者把可能出错的场所归纳成六种才调:感知（perceive）、推理（reason）、方案（plan）、存储（save）、检索（retrieve）、应用（utilize）。前三个管决策,后三个管操心。
第三步是设置,针对会诊出的问题,系统会对我方的"复古结构"作念一次裁剪,可能是改写一段提醒词模板,可能是新增一条操心限定,也可能是调理某个手脚本领的实施逻辑。这个设置会先在面前这一个任务上考据有莫得成果。
第四步是推论kaiyun网址,要是此次设置的确处理了问题,系统还不会坐窝就此打住。它会去查抄:这个设置想路是不是能用在别的肖似任务上?要是在其他任务上也考据灵验,这条立异才会被写进"通用系统
