LLM-as-policy 的物理 RSI 能力从何而来？一项观察性缩放定律研究

研究者提出 PhysRSI-eval，用五轴指标（首次尝试表现、效率、成功率、预算、失败后改进）在 18 个操作任务上评估不同 VLM 的物理递归自我改进能力。实验引出“Physical Barrel Hypothesis”：不同能力可能约束改进的不同环节，且公开基准均分接近的系统可被五轴指标区分。工作区干预显示，移除历史会降低后期成功率，冻结工作区在未见布局上仍有效，三个跨任务案例更早取得成功。