
自进化WAM来了!清华AIR联手域变换提出具身In-Context Causal Learning(在新窗口打开)
模型不更新,能力却持续增长。 这是Zeva最反直觉的地方,也是清华AIR与域变换联手给出的新答案。 在多个典型具身基准任务上,将冻结模型的累计成功率从26%提升到73%;在真实化学实验室,机械臂在多次尝试中越用越稳。 更关键的是,一次人类演示就能让模型“学会”一个新操作。 Zeva是首个实现In-Context Causal Learning(ICCL)的具身WAM。 它让模型可以在不更新权重的情况下,从自己的交互经验中持续学习。当这种能力逐步成熟,具身智能将迎来属于自己的“GPT时刻”。 项目信息 项目名称:Zeva 发布机构:清华AIR、域变换 论文题目:Zeva: In-Context








