知识卡片：物理 RSI 能力从何而来？LLM 作为策略的观测缩放律

一句话结论

论文提出 PhysRSI-eval，用五轴指标量化视觉语言模型（VLM）在物理操作任务中的“递归自我改进”（RSI）能力，并通过“Physical Barrel Hypothesis”指出不同能力可能分别约束改进的不同环节；公共基准均分接近的系统，其改进速度与效率可能差异显著。

事件概述或研究问题

研究关注物理场景下 LLM 作为策略（LLM-as-policy）的递归自我改进：机制是什么、如何随规模变化、能否泛化。核心问题是：智能体在固定交互预算下能多快、多远地变好，以及这种改进由哪些能力支撑、改进后留下了什么。

方法/产品要点

• PhysRSI-eval：以五轴指标量化物理 RSI——首试表现（First-Attempt Performance）、效率（Efficiency）、成功率（Success）、预算（Budget）、从失败中改进（Improvement from failure）。
• 评测设置：不同 VLM 在 18 个操作任务上、固定交互预算下进行评估。
• Physical Barrel Hypothesis：由实验结果引出，认为不同能力可能约束改进的不同部分（类似木桶短板效应）。
• 观测缩放分析：两个视角——从模型的公共能力预测 VLM 智能体的相对表现；从早期物理反馈预测后续进展。
• 工作区干预：移除历史、冻结工作区等干预后，分析改进“留下”了什么。

主要结果或产业意义

• 五轴指标能区分公共基准均分接近的系统，且高均分不必然意味着早期或高效的增益。
• 移除历史会降低后期轮次成功率；冻结的工作区在未见布局上仍然有用；三个跨任务案例更早取得成功。
• 结果表明：场景特定适应与可复用经验可以共存。
• 产业意义：为具身智能/机器人策略的“自我改进能力”提供了可分解的评估维度，提示仅看基准均分可能掩盖改进效率与失败恢复能力的差异。

为什么重要

它把“递归自我改进”从抽象概念拆成可测量的五个轴，并提出能力约束的“木桶”假设，为判断一个 VLM 策略是“起点高”还是“学得快、学得省”提供了区分工具；对具身智能评测与模型选型有直接参考价值。

局限与不确定性

• 仅覆盖 18 个操作任务与特定交互预算，任务与预算之外的泛化性待核实。
• “Physical Barrel Hypothesis”为基于实验观察提出的假设，其普适性与因果性待核实。
• 观测缩放律的预测精度、跨模型家族的稳定性，摘要未给出具体数值，待核实。

可用于图书/PPT/简报的角度

• “均分相同，改进能力不同”：用五轴雷达图对比两个基准均分接近的 VLM。
• “木桶假设”：不同能力卡住改进的不同环节——适合做机制示意页。
• “改进留下了什么”：历史移除/工作区冻结干预的实验设计，可作为“经验复用 vs 场景适应”的案例。
• 与“智能体早期失败预测”类工作对照：一个预测失败以省算力，一个量化改进速度与上限。

与既有脉络的关系

本条与“注定失败：通过受召回控制的探针级联提前终止 LLM 智能体片段”同属“从早期交互信号推断智能体后续表现”的脉络，但增量在于：前者关注失败预测与算力节省，本条关注改进的速度、效率与上限，并给出五轴量化框架与能力约束假设。

原始材料

• 标题：Where is Physical RSI capability from? An Observational Scaling Law of LLM-as-policy
• arXiv ID：2610.26848v1
• 作者：Zekai Li, Jiayi Yu, Jinlu Zhang, Luyang Niu, Zekun Qi, Jun Zheng, Xuchuan Chen, Dairu Liu, Yintianrun Zhang, He Wang, Li Yi
• 发布：2026-10-19
• 分类：cs.RO（主）, cs.AI, cs.CV
• 摘要页：https://arxiv.org/abs/2610.26848v1
• PDF：https://arxiv.org/pdf/2610.26848v1