MIT、Stanford 等机构合作发布机器人物理递归自改进综述，提出六级框架

这是一篇非常有见地的综述论文，由包括 MIT、斯坦福、谷歌、微软在内的众多顶尖实验室撰写，主题是物理世界的递归自我改进。

机器人仍然依赖人类来收集数据、诊断故障以及决定保留哪些更新。论文指出，在他们考察的 7 项机器人自我改进研究中，有 5 项从未在不同任务上展现出提升。

自我改进的主张需要在需要不同技能序列的任务上进行测试，而他们发现大多数被综述的方案都缺少这类测试。

人类仍然要收集数据、诊断故障并挑选保留哪些更新。真实试验缓慢、噪声大、成本高，有时还不可逆，因此数字自我改进方法需要重新思考。

他们定义了 6 个等级，从 L0（无自主改进）到 L5（经独立验证的递归增益）。中间等级将技能更新与改进方法本身的更新区分开来，并区分单任务与跨任务两种情况。

他们对 2022 年至 2026 年系统的梳理中，没有发现任何已确认的 L5 案例。在他们考察的 7 项机器人评估协议中，有 5 项未能展现跨任务的改进。