物理递归自我改进能力从何而来？以LLM为策略的观测式缩放规律
本文研究视觉语言模型（VLM）在物理任务中的改进与泛化能力。研究人员提出PhysRSI-eval，从首次尝试表现、效率、成功率、交互预算和从失败中改进等五个维度进行评估，并在18项操作任务上测试VLM智能体。结果表明，不同能力可能制约改进过程中的不同环节。实验还显示，保留交互历史有助于提高后续成功率，而保存的经验在未见过的场景布局中也可能发挥作用。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。