清华AIR联合域变换发布具身模型Zeva：不调权重也能自进化
原标题：自进化WAM来了！清华AIR联手域变换提出具身In-Context Causal Learning
AI 摘要
清华AIR与域变换联合发布具身模型Zeva，首次实现In-Context Causal Learning（ICCL），使模型在不更新权重的情况下，通过上下文因果学习在部署中自进化。在RoboCasa365基准上，累计成功率从26%提升至73%；在真实化学实验室中，任务成功率单调增长，且一次人类演示即可让模型学会新操作。该研究将具身智能的扩展从参数空间延伸到上下文空间，为具身智能的'GPT时刻'提供了新路径。
正文节选
自进化WAM来了！清华AIR联手域变换提出具身In-Context Causal Learning 参数冻结，能力暴涨 Zeva团队 投稿 量子位 | 公众号 QbitAI 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 Causal Learning for Generalizable Embodied Manipulation 项目主页：https://air-embodied-brain.github.io/Zeva/ 具身模型的自进化，