别每步都叫审阅模型：上交 Bo Zhao 等 FastHarness，token −57.2%、成功率 80→97.19%

查看PDF HTML（实验性）

摘要：智能机器人系统结合语言模型推理和机器人策略来监控执行并从故障中恢复。然而，即使是在熟悉的情况下，审查每个动作块也会产生大量的开销。我们引入了FastHarness，这是一个经验驱动的执行工具，它可以自适应地安排GPT-6 Astra对{\pi}0.5策略的监督。快速路径使用阶段记忆和已审查的结果来减少审查频率，随着经验的积累，而互补的恢复路径则专注于纠正错误。一旦恢复得到验证，常规执行将重新开始，保留失败经验以指导未来的干预。策略保持冻结状态，并从当前观察中生成新的动作。在四个模拟操作任务中，从第一个评估剧集到最终五剧集的平均值，每个任务中审查令牌的使用量平均降低了57.2%。在同一时间段内，平均剧集时间从85.5分钟减少到52.0分钟。在相同的任务中，平均成功率从GPT-as-Policy ({\pi}0.5 + GPT-6 Astra) 的80%增加到FastHarness的97.19%。这些结果突出了自适应监督作为实现更高效智能机器人的一条实用途径，而无需额外的模型训练。

投稿历史

来自：Tao Lin [查看电子邮件]
[v1] 周四，22 Oct 2026 15:27:10 UTC (4,363 KB)