In-Context Causal Learning

清华AIR发布Zeva，使具身AI无需权重更新即可从经验中学习

清华AIR与Domain Transformation的研究人员推出Zeva，这是一种新颖的具身AI系统，可以在不更新模型权重的情况下持续学习。这种上下文因果学习（ICCL）方法使机器人能够通过从交互和人类演示中提取因果关系来随着时间的推移提高其性能。Zeva在各种具身基准测试和真实实验室环境中都取得了显著的成功率提升，表明了具身智能的一种新的扩展路径，该路径侧重于上下文学习而非仅仅参数扩展。