Liang JingSong

RoboFoundry 提出“自进化系统即策略”（Self-Evolving System-as-Policy）框架，把支撑基础模型的整个智能体系统（上下文系统与分层技能系统）而非模型参数当作可进化策略，通过执行轨迹诊断能力缺口、生成并验证任务级系统修改、再把可复用的改进提升为通用系统能力，在 EmbodiedBench 上取得最优表现（GPT-5.5 提升 27.8%，Qwen3.7-Plus 达 70.3% 接近 GPT-5.5 的 72.7%），在 RoboMemArena 长时程记忆上至少超出所有基线 39.0%，在 LIBERO-PRO 上相对 Cap-Agent0 提升 243.8%–679.7%，并在真实机器人上展示零

RoboFoundry 提出“自进化系统即策略”（Self-Evolving System-as-Policy）框架，把支撑基础模型的整个智能体系统（上下文系统与分层技能系统）而非模型参数当作可进化策略，通过执行轨迹诊断能力缺口、生成并验证任务级系统修改、再把可复用的改进提升为通用系统能力，在 EmbodiedBench 上取得最优表现（GPT-5.5 提升 27.8%，Qwen3.7-Plus 达 70.3% 接近 GPT-5.5 的 72.7%），在 RoboMemArena 长时程记忆上至少超出所有基线 39.0%，在 LIBERO-PRO 上相对 Cap-Agent0 提升 243.8%–679.7%，并在真实机器人上展示零