实体
PhysRSI-eval
PhysRSI-eval
PulseAugur coverage of PhysRSI-eval — every cluster mentioning PhysRSI-eval across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新指标PhysRSI-eval量化VLMs中的物理自我改进能力
研究人员推出了一种新颖的五轴指标PhysRSI-eval，用于量化视觉语言模型（VLMs）的物理递归自我改进（RSI）能力。该评估框架评估了首次尝试成功率、效率、预算利用率和从失败中改进等指标的表现。研究还提出了物理桶假说，认为不同的能力可能对模型的改进轨迹施加不同的限制。通过分析观察式缩放定律，该研究旨在预测VLM代理的性能，并根据早期的物理反馈预测未来的进展。
-
新框架评估视觉语言智能体的物理自我改进能力
研究人员推出了 PhysRSI-eval，这是一个用于量化视觉语言智能体物理递归自我改进的新框架。该框架使用一个五轴指标来评估 18 项操作任务中的性能、效率、成功率、预算和从失败中改进的情况。该研究还提出了物理瓶颈假说，认为不同的能力可能限制改进的不同方面，并探索了观察性标度律，以根据公开能力和早期反馈来预测智能体的性能。