研究揭示具身自改进评测标准暴露问题

1. 01:14
   arXiv · cs.AI

   学习任务还是学习验证器？重新审视具身智能体自我改进中的 Criteria Exposure

   具身智能体自我改进研究常将基准的成功标准暴露给学习智能体（Criteria Exposure，CE），受控实验显示，暴露标准后智能体能快速生成在给定标准下成功率更高的代码，但标准稍作改动（不偏离原始指令）时这一优势即消失，且 CE 下获得的技能跨任务迁移效果很差。作者提出 instruction-faithful criteria，能更好地反映智能体生成程序的实际表现。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。