知识卡片：用 EBench 剖析前沿智能体——从直接控制到“策略挂载”

一句话结论

前沿多模态大模型（MLLM）在统一观测协议下可直接驱动机械臂，短程任务与泛化稳定性接近甚至优于后训练策略；通过“挂载（harness）后训练 VLA/WAM 策略”的混合配置可提升总体成功率并显著降低 token 成本，但仍受策略调用次优、缺乏子目标与接管时抓取中断等限制，未达到各组件单独使用的逐任务上界。

事件概述或研究问题

该报告关注一个尚未充分评估的问题：前沿 MLLM 的机器人控制能力，与经过机器人数据后训练的 VLA（vision-language-action）和 WAM（world action model）策略相比如何、又如何交互。作者在 EBench 上以 GPT-6-Astra 作为智能体核心，在与后训练策略相同的视觉与本体感受观测协议下进行评测，并比较两种智能体配置：直接控制（直接生成路点命令）与“harness with policy”（可调用后训练 VLA 或 WAM 策略执行动作）。研究目标是对比能力边界并提出智能体 harness 设计改进方向。

方法/产品要点

• 评测对象：GPT-6-Astra（前沿 MLLM），作为控制机器人的智能体核心。
• 评测平台：EBench；项目页为 https://internrobotics.github.io/EBench-Astra-Tech-Report/。
• 观测一致性：智能体与后训练策略采用相同的视觉与本体感受观测协议，便于横向比较。
• 两种配置：
  • 直接控制（direct control）：智能体直接生成路点命令。
  • 策略挂载（harness with policy）：智能体除自身控制外，还可调用后训练 VLA 或 WAM 策略执行动作。
• 评测维度：整体表现、短程/长程任务、桌面操作、高精度接触丰富任务、跨泛化维度的表现波动、token 成本。

主要结果或产业意义

• 直接控制下，智能体整体表现与后训练策略具有竞争力；在短程任务上领先，且在泛化维度上的性能波动最小。
• 直接控制在长程任务、桌面操作和高精度接触丰富任务上弱于后训练策略。
• 在“harness with policy”配置下，调用后训练 VLA 或 WAM 可结合双方互补优势，将总体任务成功率提升至最强对照后训练策略的水平，同时显著降低 token 成本。
• 但该混合配置仍低于各单独组件的逐任务上界，原因包括：策略调用不够优、按固定指令执行而缺乏子目标、智能体恢复控制时造成抓取中断。
• 产业意义：为“大模型智能体 + 专用机器人策略”的混合架构提供了可量化的能力画像，并指出 harness 层（调用决策、子目标分解、控制权交接）是下一步工程优化的关键。

为什么重要

• 明确了前沿 MLLM 作为机器人控制器的能力边界：优势在短程与泛化稳定性，短板在长程、精细与接触丰富操作。
• 表明混合架构（MLLM 调度 + VLA/WAM 执行）在成功率与 token 经济性上均有收益，但收益并非自动获得，依赖 harness 设计质量。
• 为后续智能体 harness 研究给出具体失败模式（调用次优、无子目标、接管扰动），可作为设计改进的靶点。

局限与不确定性

• 报告仅评测 GPT-6-Astra 单一前沿模型，结论对其他 MLLM 的泛化性待核实。
• 具体任务数量、成功率数值、token 成本降幅等定量细节在摘要中未给出，待核实原文。
• “harness with policy”中 VLA 与 WAM 各自的调用比例、调用策略细节待核实。
• 抓取中断等失败模式的具体触发条件与可缓解程度待核实。
• 论文发表信息（arXiv 编号、日期、作者列表）以来源材料为准；其中模型名称“GPT-6-Astra”及编号 2610.35832 的时效性待核实。

可用于图书/PPT/简报的角度

• “大模型直接控机器人 vs 专用策略”：一张对比图展示短程领先、长程落后的能力剖面。
• “智能体 harness 是新的瓶颈”：用三类失败模式（调用次优、无子目标、接管扰动）说明调度层设计的重要性。
• “混合架构的成本-成功率权衡”：token 成本显著下降而成功率追平最强基线，适合作为产业落地论证案例。
• “能力边界画像”方法论：统一观测协议下横向比较 MLLM 与后训练策略的评测设计，可作为基准设计范例。

与既有脉络的关系

本条与已有卡片主题不同：GaP 关注多智能体代码编排的计算图式策略自学习，BTS-AgentBench 关注遥测日志到可重放智能体基准的构建流水线，FlexComposer 关注视频合成与轨迹控制；本条则是前沿 MLLM 在机器人操作基准上的能力画像与“MLLM + 后训练策略”混合调度评估，属于 foundation-model 与机器人策略交互的新增证据，不重复上述卡片事实。

原始材料

• 标题：Profiling a Frontier Agent with EBench: From Direct Control to Harness with Policy
• arXiv ID：2610.35832v1（cs.RO；cs.AI）
• 作者：Yifei Yao, Yude Zou, Guanbo Jiao, Xing Gao, Ning Gao, Yukai Wang, Jiantong Chen, Zihou Zhu, Xinyu Li, Ningyu Yan, Shuai Wang, Jianming Ma, Haoyu Guo, Weinan Zhang, Chunhua Shen
• 发布/更新：2026-10-26T17:51:02Z
• Abstract URL：https://arxiv.org/abs/2610.35832v1
• PDF URL：https://arxiv.org/pdf/2610.35832v1
• 项目页：https://internrobotics.github.io/EBench-Astra-Tech-Report/
• 关键词：multimodal large language model；vision-language-action；world action model；agent harness；robot manipulation；EBench