学习任务，还是学习验证器？重新思考具身自我改进中的判定标准暴露

具备自我改进能力的具身智能体正越来越多地在机器人仿真基准上被开发和比较。近期一些研究将基准的成功判定标准暴露给学习智能体，我们将这种做法称为判定标准暴露（Criteria Exposure，CE）。这些标准最初是为验证通过模仿学习训练的策略而编写的，其要求往往超出了相应的语言指令，因此，这类验证器给出的分数未必能忠实反映指令要求的任务是否已完成，对于智能体编写的机器人控制程序尤其如此。随着具身编程智能体报告的基准分数不断攀升，一个问题自然浮现：当编程智能体接触到基准的判定标准时，它生成的代码究竟能更好地完成指令要求的任务，还是仅仅过拟合了验证标准？我们针对具备自我改进能力的智能体，在采用和不采用 CE 的条件下开展了受控实验，发现采用 CE 时，智能体能迅速生成在给定标准下成功率更高的代码；但只要在不偏离原始指令的前提下对标准稍作调整，这一优势便会消失。更重要的是，智能体在 CE 条件下习得的技能跨任务迁移能力较差。我们进一步提出了忠实于指令的判定标准，并表明这些标准能够更好地反映智能体生成程序的性能。