#Embodied Agent

4 篇

Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents

重建、练习、真机部署：具身智能体的引导式自我改进

🧭 具身智能体自我改进

UC Berkeley · Amazon FAR · MIT · University of Chicago

RPG 不更新模型权重，在仿真中重构练习任务并自我改进技能与提示，22 项操作成功率从 28.6% 提升至 95.0%

📌 工作参考价值（4 点）

借鉴“不更新权重、用可复用符号技能库 + 系统提示修订”的固化系统做法：在电商 Agent 中把高频操作抽象成工具/skill，LLM 只负责调度和组合，降低每次推理成本与非确定性。
用“执行反馈 + 离线日志重构练习任务”做自举：从历史成功/失败会话中自动生成回归任务和仿真环境，每次修改 prompt 或 skill 前先在跨任务集上评估，避免局部过拟合。
借鉴“候选变更先单测、再合并回归”的变更管理：对 prompt 模板、工具定义、规则库做 A/B 和 cross-task evaluation，只保留被验证有效的修订，形成 Agent 系统的 CI/CD。
具身/机器人特有的 privileged simulator state 与 sim-to-real calibration 在电商场景不可直接复用；主要价值在于自我改进流程、技能复用与跨任务验证机制。

Agent | 2026-10-01 | cs.AI | score 6/10

PUBG Ally：作为 AI 队友的对话式具身智能体

🧭 具身智能体实时协作与语音交互

PUBG

提出 PUBG 语音队友 Ally，结合 LLM 智能体与实时控制层，基于 39k 真实对局数据训练并在 141 国上线，正面评价超负面 25.1 个百分点

📌 工作参考价值（4 点）

分层控制架构：LLM 负责高层意图和决策，将实时敏感的执行下放到低延迟控制层。电商导购/客服 Agent 可借鉴：让 LLM 做意图识别、策略选择、话术生成，而将库存查询、推荐排序等高频操作交给轻量服务，以降低端到端延迟并保证一致性。
真实交互数据闭环与偏好校准：利用近 39k 真实用户会话收集“上下文-决策-反馈”数据，并发现离线评测与玩家偏好存在差距后迭代评估标准。推荐/搜索系统可引入类似机制，通过真实用户偏好比较（如 pairwise 反馈）校准离线指标，定期挖掘“离线高、线上差”的 case。
模型压缩与上下文压缩：针对实时服务，采用模型压缩、上下文压缩、记忆脱敏和运行时护栏。移动端或边端部署的推荐 Agent、语音导购可借鉴，对用户历史上下文做摘要压缩，同时脱敏敏感信息，并设置安全 guardrails 防止不当输出。
语音/动作同步：保持语言输出与系统行为一致（Ally 说什么就做什么），避免用户信任崩坏。电商 Agent 在生成推荐理由或承诺时，需确保底层系统能实际执行（如优惠、到货通知），否则会严重损害体验。

Agent | 2026-09-23 | HF Daily | score 7/10

将视觉语言模型智能迁移至机器人控制

🧭 VLM Agent 闭环控制机器人

Tsinghua University · Tencent Hunyuan

通过离散动作接口与闭环 ICL，使 VLM 零/单样本控制机器人并达 SOTA

📌 工作参考价值（4 点）

离散动作接口设计：将连续控制空间抽象为紧凑离散命令集，让 LLM/VLM Agent 通过标准化 API 控制底层系统（如推荐引擎参数、广告出价），提升决策稳定性和可解释性。
In-context learning 快速适配：用 1-2 个演示示例让通用大模型零样本/小样本适配新任务（如新品类推荐策略、活动文案风格），避免每任务微调，降低迭代成本。
闭环反馈框架：借鉴“观察-推理-执行-观察”闭环，构建自主优化 Agent，例如在实时推荐中根据用户行为反馈动态调整排序策略，而非静态输出。
通用模型知识迁移：论文显示通用 VLM 零样本可超越任务专用策略，启示业务中可优先用通用 LLM 处理非核心子任务（如 query 改写、解释生成），再决定是否投入专门训练。

Agent | 2026-09-18 | HF Daily | score 6/10

GAVEL：用于验证与高效长程 LLM 任务规划的图世界模型

🧭 Agent 长程规划验证与修复

用显式图世界模型验证并修复 LLM 长程规划，将单任务成功率从 41.2% 提升至 91.8%

📌 工作参考价值（4 点）

Agent | 2026-09-15 | HF Daily | score 7/10