通过递归自重写扩展复杂任务的轨迹:一种通用 harness 下的能力提升方法
该论文提出 Recursive Self-Rewrite (RSR) 框架,旨在解决专用 harness 干预在部署时不可用的问题。该方法利用单一基座模型 Qwen-3.8-27B,通过规划器、评论器和执行器组件,在不同 harness 下发现成功解法并将其重构为通用 harness 下的训练轨迹。
推荐理由:RSR 框架利用单一基座模型在多种仿真环境中发现并重构解决方案,显著提升了终端任务的成功率与泛化能力。
内容形态
四领域论文、技术报告与研究解释,明确预印本、投稿、接收和出版状态。
1,994 条精选近 30 天 1,302 条共收录 10,555 条
该论文提出 Recursive Self-Rewrite (RSR) 框架,旨在解决专用 harness 干预在部署时不可用的问题。该方法利用单一基座模型 Qwen-3.8-27B,通过规划器、评论器和执行器组件,在不同 harness 下发现成功解法并将其重构为通用 harness 下的训练轨迹。
推荐理由:RSR 框架利用单一基座模型在多种仿真环境中发现并重构解决方案,显著提升了终端任务的成功率与泛化能力。
论文 MetaRubric 针对基于评分表的强化学习中评分器在关键信息缺失时仍给予高分(Vacuous Credit)的问题,提出交替进行证据感知策略优化与响应引导的评分表自适应方法。
推荐理由:针对评分器在信息缺失时仍给高分的失效模式,提出交替优化策略与反事实构造方法以修正奖励信号。
何恺明团队发布论文NAT-ARC,提出一套纯视觉的ARC解题方案。该方案不依赖LLM,利用ImageNet上的自然图像(如猫狗)进行MAE预训练以获取视觉先验,再迁移至抽象格子推理任务。
推荐理由:何恺明团队提出NAT-ARC,利用ImageNet预训练打破纯视觉模型在抽象推理任务上的scaling瓶颈。
论文研究人形机器人在未训练过的任务中通过复用现有技能、自我改进并保留学习成果的能力。核心思路是利用规划与控制接口,将对象感知基础模型转化为行为策略,并通过大语言模型修订奖励程序结构、数值优化器调整常数,在仿真中验证后迭代提升。实验表明该方法能释放基础模型的潜在能力,处理复杂场景与长周期任务,并在宇树 G1 真机上实现自主运行。
推荐理由:该文提出无需重训的测试时演化方法,利用对象感知基础模型与奖励程序优化,在仿真及宇树 G1 真机上实现复杂任务。
论文介绍 Inherit-MAS 框架,利用生物进化中的继承与选择原理,在多智能体系统中显式实现工作流与执行的继承机制。该方法通过元模型合成带角色声明的工作流,并由独立评估器诊断缺陷;在常规优化轮次中继承最新候选人的工作流并剔除无用节点,同时仅在请求与执行上下文完全匹配时复用历史结果以避免冗余计算。
推荐理由:该工作提出通过工作流与执行继承机制优化多智能体系统,在保持性能的同时显著降低计算开销。
论文研究如何在机器人基础模型中实现低延迟的单步动作生成,以克服多步流匹配的高推理耗时。作者发现直接应用 MeanFlow 会导致性能崩溃,并提出 Kinematic MeanFlow(K-MF)框架。
推荐理由:提出 Kinematic MeanFlow 框架解决 RFM 推理延迟问题,在 GR00T-N1.6 上将动作头延迟降低约 74%,支持从头训练与微调。
论文介绍 GUI-HARVEST,一种自动优化 GUI 模型执行环境的框架,旨在解决意图对齐、失败诊断与模式复用三大挑战。该方法将模型输出与前后截图对齐以定位界面转换差异,利用重复任务运行构建联合证据单元,并将验证后的发现转化为有界的源代码编辑。
推荐理由:该预印本提出 GUI-HARVEST 框架,通过证据驱动的 harness 演化实现冻结骨干模型的自改进,在多个基准上验证了通用性与性能增益。
针对小模型在多模态搜索任务中因自由生成推理导致的高延迟与低效问题,本文提出了一种基于选择的结构化推理(SSR)框架。该框架将高层推理重构为预定义的、可复用的自然语言候选集,模型在每个步骤仅根据当前上下文从这些候选集中进行选择,无需辅助任务头。
推荐理由:该框架将推理重构为候选选择,利用共享 KV Cache 并行评分,在保持任务性能的同时显著降低多模态搜索代理的推理延迟。
该论文提出 DMAD 方法,将分布匹配重铸为分类问题以直接学习对数密度比,无需拟合额外的学生分布模型。该方法通过共享骨干网络上的两个判别器头区分真实数据、教师样本与学生样本,并利用基于差距的重加权策略适应不同噪声水平的教师监督。
推荐理由:该工作将分布匹配重构为分类任务,消除了对辅助扩散模型的依赖并实现一步生成。
论文介绍了一种针对多模态大语言模型的自蒸馏新方法 Where-OPD,利用程序化生成的合成场景提供自动获取的物体身份与空间坐标作为教师的文本空间引导。该方法使教师能定位并整合多个相关图像区域的证据,学生则仅凭图像和问题学习复现该行为。
推荐理由:提出利用程序化生成场景的文本空间引导进行自蒸馏,在纯合成数据上实现了对真实世界感知基准的有效迁移。
针对大模型智能体在复杂长程任务中难以自我验证的问题,该研究提出 VeriHarness 框架,通过赋予底层生成模型工作区、证据工具和可复用验证技能,使其转变为智能体验证器。
推荐理由:该工作提出利用大模型自身进行长程任务验证的新方法,并开源了约 2.6 万次 rollouts 数据以支持后续研究。
该论文提出 LOCI 架构,通过结合关键值缓存与受相机几何条件约束的循环线性注意力记忆,解决视频世界模型在长序列中保留细节与降低显存的需求。实验显示其在重访内容还原上优于主流基线,且在固定预算下能流式处理长视频。
推荐理由:提出混合空间记忆架构,在保持视觉细节的同时降低显存占用并提升重访内容还原度。
针对复杂环境中 VLA 模型需平衡任务成功与意外接触的挑战,本文提出 FailBank 四阶段框架,将运行时反馈转化为持久的策略改进。该框架在 VLA-Arena 基准上评估显示,相比基线策略和纯运行时屏蔽方法,FailBank 能显著提升任务成功率并降低由策略引起的累积成本,证明运行时反馈可作为持续监督而非临时约束。
推荐理由:FailBank 框架利用运行时反馈实现 VLA 策略自我进化,在基准测试中显著提升了任务成功率并降低了累积成本。
针对测试阶段环境动力学与训练分布不一致导致预测不可靠的问题,本文提出了 JEPA-TTT 方法。该方法在预训练的联合嵌入预测架构(Joint-Embedding Predictive Architecture)世界模型基础上,仅对动作条件化的潜在动力学预测器进行自监督更新,而保持视觉编码器和奖励头固定以保留预训练表征与任务目标。
推荐理由:该工作提出在测试阶段持续训练潜在动力学预测器,使预训练世界模型能自适应动态变化。
针对机器人操作中隐藏任务状态难以仅凭当前观察确定的问题,该研究引入 HIDE 基准,包含重复计数、历史状态召回和执行进度追踪等 15 个任务。作者提出 SEEK 框架,结合三种互补的记忆机制以保留历史证据并跟踪执行状态。评估显示现有策略在 HIDE 上存在显著局限,而记忆增强能提升仿真与真实实验中的成功率;单一机制虽有益处但可能损害其他任务,组合方案表现最佳。
推荐理由:该工作提出 HIDE 基准与 SEEK 框架,揭示部分可观测环境下机器人策略对历史状态记忆的依赖及现有方法的局限。
该论文指出用扩散模型生成的合成图像对 DreamBooth 进行微调会因分类器自由引导(CFG)导致高频细节过度饱和并降低主体保真度。作者提出 ReGain,一种无需真实照片的采样时修正方法,通过测量各频率带相对于基模型的引导膨胀程度并进行缩放来恢复保真度。
推荐理由:针对合成图像微调导致主体保真度下降的问题,提出无需真实照片的采样时修正方法 ReGain。
该论文提出了 Honeycomb 方法,构建在作者提出的 HexMemory 低秩表示之上,旨在解决视频世界模型在长视界生成过程中显存需求持续增长的问题。
推荐理由:提出 HexMemory 架构,以固定尺寸存储场景特征并支持动态扩展,解决了视频生成中显存随时间增长的问题。
该论文提出 WEFT(Whole-system Evolution For Tool-use Post-training)框架,旨在解决仅扩展执行环境无法保证模型性能提升的问题。
推荐理由:提出 WEFT 框架,通过全系统协同进化解决工具使用后训练中的信号一致性问题。
该研究提出 TIPS 框架,通过仅基于最终结果的强化学习来训练生成式过程奖励模型(PRM),从而以低成本实现步骤级验证。实验显示,该方法在数学和智能体基准测试中表现优异,TIPS-Qwen3-4B-Thinking-2507 在 ProcessBench 上达到 85.2 F1,超越了 GPT-5.4-Instruct 等强提示词模型,但仍落后于 o1-mini。代码与数据已开源。
推荐理由:该方法利用结果奖励引导过程监督,在仅用少量轨迹数据下实现了超越强提示词模型的推理效果。
论文介绍 MotorMind,这是一个连接通用视觉语言模型(VLM)与确定性机器人控制的中间层动作表示及异步执行框架。该方案无需任务特定策略训练、代码智能体或 SAM3 等定位工具,在 LIBERO-PRO 基准上实现 66.7% 成功率(扰动下为 53.8%,优于此前零样本方法的最高 13.3%),并在真实 xArm6 机器人上达到 95% 平均成功率。
推荐理由:该工作提出 MotorMind 框架,证明通用 VLM 无需额外训练或工具即可实现零样本机器人操作,显著优于现有方法。