EnactOpt用诊断反馈联合演化具身智能体执行框架

ZhiYuan Feng 等作者提出 EnactOpt 方法，在固定底层模型与运行时的前提下，利用有限执行反馈联合演化可复用文本技能与上下文构建代码，优化具身智能体的执行框架。 论文称，在 VLABench、ALFWorld 和 Embodied Agent Interface (EAI) 上，EnactOpt 相比初始执行框架将任务成功率提升约 10–27 个百分点，并优于所评测的 GEPA、TextGrad、Trace2Skill 基线；这些提升也延伸到未用于框架演化或候选选择的任务条件。方法通过将动作反馈与实际模型输入及后续动作关联来诊断相邻决策，借助结构化回合摘要引导修订，并对候选执行框架做兼容性检查与验证保留。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。