一项受控研究考察智能体机器人中的模型、技能、反馈与课程设置

一项受控仿真研究覆盖九个操作任务、631 种实验配置和 28K 次编码智能体 rollout，系统改变模型能力、技能先验、反馈结构与课程设置。实验数据表明，瓶颈往往不是能否获得足够信息，而是如何把信息解读为正确的策略更新。自学习循环能否成功，取决于智能体能否有效归因失败、推理与任务相关的空间和几何结构，并有选择地重构代码以改进策略。