AdaRSI
一种面向具身智能体的按需递归自改进框架，通过归因失败来源决定优化工具架还是微调执行器，实现精准高效的能力提升
时间轴 (近 90 天)
AdaRSI提出了一个按需递归自改进框架，将“何时该改权重”作为显式决策问题处理。
AdaRSI的流程分为三步：先提升编码智能体的技能与工具架，对持续失败进行归因，只对确实不可靠的子步骤做微调。
AdaRSI在归因步骤中从保存的状态（saved states）重新重试，判断失败源于调用方式还是执行能力。
AdaRSI的微调演示数据由系统自行采集，并复用此前任务中积累的经验。
论文在RoboCasa365的全部50个目标任务上验证AdaRSI，执行器使用GR00T N1.5，全程不使用任何人类演示。
AdaRSI在未见过的复合任务上，成功率从4.6%提升至13.8%，约为三倍的相对提升。
与“对每个子步骤都做微调”的方案相比，AdaRSI达到略高的成功率，但只消耗了28%的GPU时间和22%的自采集演示数据。
有微调但没有工具架优化的方案，虽然训练量更大，收获却远不如AdaRSI。
AdaRSI目前仍依赖从保存状态重试的机制，这在状态可复现的环境中成立，但在高度动态或不可逆的真实场景中，归因成本可能会显著上升。
全部知识事实 (9)
AdaRSI提出了一个按需递归自改进框架，将“何时该改权重”作为显式决策问题处理。
50%待验证AdaRSI的流程分为三步：先提升编码智能体的技能与工具架，对持续失败进行归因，只对确实不可靠的子步骤做微调。
50%待验证AdaRSI在归因步骤中从保存的状态（saved states）重新重试，判断失败源于调用方式还是执行能力。
50%待验证AdaRSI的微调演示数据由系统自行采集，并复用此前任务中积累的经验。
50%待验证论文在RoboCasa365的全部50个目标任务上验证AdaRSI，执行器使用GR00T N1.5，全程不使用任何人类演示。
50%待验证AdaRSI在未见过的复合任务上，成功率从4.6%提升至13.8%，约为三倍的相对提升。
50%待验证与“对每个子步骤都做微调”的方案相比，AdaRSI达到略高的成功率，但只消耗了28%的GPU时间和22%的自采集演示数据。
50%待验证有微调但没有工具架优化的方案，虽然训练量更大，收获却远不如AdaRSI。
50%待验证AdaRSI目前仍依赖从保存状态重试的机制，这在状态可复现的环境中成立，但在高度动态或不可逆的真实场景中，归因成本可能会显著上升。
50%