Encore: Few-Shot Agentic Discovery of Manipulation Strategies
Encore：从少量演示中发现操控策略的 Agent 框架
🧭 Agent 从少量演示中提取策略并编程执行
Massachusetts Institute of Technology · 22077AI Open Source Foundation · Texas A&M University · University of Wisconsin–Madison
把少量演示作为证据包供编程 Agent 研读并迭代改写策略，冻结后评估不暴露成功信号
📌 工作参考价值
- 可借鉴「演示即证据」的思路：在电商 Query 改写、广告文案生成或推荐策略决策中，将少量高质量成交/高点击样本的结构化轨迹（关键行为事件、状态变化）作为 prompt 上下文，让 LLM 从中归纳策略，而不是重新训练或微调。
- 固定感知/动作 API 的抽象很有用：给 Agent 暴露一组受限的领域函数（如召回、过滤、排序、出价），让 Agent 组合生成可执行策略程序，比自由文本输出更可控、可上线。
- 开发期允许少量 rollout 调试迭代，但最终 sealed evaluation 不反馈成功信号，可以防 Agent 过拟合评估指标或奖励黑客；迁移到线上测试时，冻结策略后用无偏指标评估。
- 确定性信息蒸馏：把演示/日志压缩为多视角关键帧、事件片段等结构化 pack，能降低 LLM 读取长流程的负担；在用户行为序列建模中，可提取关键行为事件、商品切换等作为总结性证据输入。
动机：机器人任务通常用一句话描述，缺少抓取方式、接触顺序、目标状态等实现细节，仅凭指令的 Agent 必须靠试错搜索。已有 coding agent 能编写、运行和调试程序，但难以从零发现操控策略。
方法关键点：ENCORE 将少量演示作为证据而非训练数据。确定性 builder 把每个演示蒸馏成一个 pack，包含多视角关键帧、夹爪事件、帧条和完整轨迹。coding agent 研究该 pack，基于固定的感知与动作 API 编写策略程序，在少量 development rollouts 上迭代 refine，最后冻结并在 sealed evaluation 中评估，全程不暴露成功信号。
关键结果：在 LIBERO-PRO 上，有演示时首个程序已在半数扰动任务中成功，1 个任务无演示成功；冻结程序以 96.3% 胜过同语言模型的最强先前 agentic 系统（89.3%）。在 RoboDojo 指令未说明目标的任务中，无演示时没有程序成功。真实双手机器人上，用 5 个演示学会立方体交接与杯子翻转。