EmbodiedCLBench, அக்டோபர் 9 அன்று வெளியான முன்வெளியீடு, எளிய வீட்டு வேலை அனுபவத்தைப் பயன்படுத்தி அவற்றின் புதிய சேர்க்கைகளை AI முகவர்கள் தீர்க்க முடியுமா எனச் சோதிக்கிறது. ஆசிரியர்களின் உருவகப்படுத்தப்பட்ட மதிப்பீட்டில் முந்தைய ஓர் எடுத்துக்காட்டு பெரிய முன்னேற்றம் தந்தது. கூடுதல் எடுத்துக்காட்டுகள் வெற்றியை நம்பகமாக உயர்த்தவில்லை. ஆரம்பப் பயனையும் தொடர்ந்து திறன் சேர்கிறது என்பதற்கான சான்றையும் வேறுபடுத்த இந்த அளவுகோல் உதவுகிறது.

பெரிய மாற்றம்

  • எது மாறியது: காணாத பணிச் சேர்க்கைகளுக்கு முகவர்கள் அனுபவத்தை எடுத்துச் செல்கிறார்களா என்பதைச் சோதிக்க, 168 அடிப்படை மற்றும் 100 மேம்பட்ட வீட்டு வேலைகளைக் கொண்ட அளவுகோலை ஆராய்ச்சியாளர்கள் வெளியிட்டனர்.
  • இது எவ்வாறு செயல்படுகிறது: முகவர்கள் முதலில் தொடர்புடைய அடிப்படைப் பணிகளை முடிக்கிறார்கள். பின்னர் TongSim வீட்டு உருவகப்படுத்தியிலிருந்து உருவாக்கப்பட்ட ஆஃப்லைன் நிலை வரைபடத்தில் உள்ள சாத்தியமான செயல்களைத் தேர்வு செய்கிறார்கள். நிர்ணயிக்கப்பட்ட படி வரம்புக்குள் இலக்கை அடைந்தால் பணி வெற்றி.
  • ஆசிரியர்கள் கண்டது: முக்கிய ஒப்பீட்டில், இரண்டு அடிப்படைப் பணிகளின் அனுபவம் கிடைத்ததால் சோதிக்கப்பட்ட எட்டு ஹார்னஸ்-மாதிரி இணைகளிலும் மேம்பட்ட பணிகளின் வெற்றி உயர்ந்தது. குறுகிய எடுத்துக்காட்டு எண்ணிக்கை ஆய்வில், பூஜ்ஜியத்திலிருந்து ஒன்றுக்கு மாறியது பெரிதும் உதவியது; ஒன்றிலிருந்து ஆறுக்கு மாறியபோது நிலையான உயர்வு இல்லை.
  • இது ஏன் முக்கியம்: அதிக எடுத்துக்காட்டுகளைச் சேமித்தால் செயல்திறன் மேம்படும் எனக் கருதாமல், புதிய அனுபவத்தைப் பயன்படுத்தி அறிமுகமற்ற சேர்க்கைகளை முகவர் தீர்க்கிறதா எனச் சோதிக்க இந்த முடிவுகள் உருவாக்குநர்களுக்கு வழி தருகின்றன. ஆய்வு உருவகப்படுத்தப்பட்ட முடிவுகளையே மதிப்பிடுகிறது; இயற்பியல் ரோபோட்டின் செயல்பாட்டை அல்ல.

வீட்டு வேலை தேர்வுகளின் தொடராகிறது

இந்த அளவுகோல் TongSimஐப் பயன்படுத்துகிறது; இதில் உட்புறக் காட்சிகள், தொடர்பாடக்கூடிய பொருட்கள், அருகே செல்வது, எடுப்பது, திறப்பது, இயக்குவது போன்ற செயல்கள் உள்ளன. பொருட்களுடனான குறுகிய தொடர்புத் தொடர்களிலிருந்து ஆசிரியர்கள் அடிப்படைப் பணிகளை அமைத்தனர். மேம்பட்ட பணிகள் இரண்டு முதல் நான்கு அடிப்படைப் பிரிவு செயல்களை இணைக்கின்றன. “கோப்பையை மேசையில் வை” என்பது அடிப்படை உதாரணம்; “அறையைச் சீரமை” என்பது மேம்பட்ட உதாரணம்.

வெளியிடப்பட்ட மதிப்பீட்டில் முகவர் இயங்கும் உருவகப்படுத்தியை நேரடியாகக் கட்டுப்படுத்துவதில்லை. ஆஃப்லைன் நிலைமாற்ற வரைபடத்தை உருவாக்க ஆசிரியர்கள் மூடிய மூல TongSim பதிப்பைப் பயன்படுத்தினர். ஒவ்வொரு முனையிலும் உருவகப்படுத்திப் படம் மற்றும் சாத்தியமான செயல்கள் உள்ளன. செயல்படுத்தக்கூடிய தேர்வு முகவரை வேறு நிலைக்கு நகர்த்தும்; செல்லாத செயலை அங்கு இயக்க முடியாது. இலக்கை அடையும் வரை அல்லது படிகள் முடியும் வரை முகவர் தேர்வுகளைத் தொடர்கிறது. பணி விளக்கங்களையும் செயல்தேர்வுகளையும் Qwen3.7-Plus உருவாக்கியதாகவும், அவை கைமுறையாகச் சரிபார்க்கப்பட்டதாகவும் ஆய்வு கூறுகிறது.

இந்த வடிவமைப்பு அளவிடப்படும் முடிவைத் தெளிவுபடுத்துகிறது: வெற்றி விகிதம் என்பது வரம்புக்குள் முடிக்கப்பட்ட பணிகளின் பங்கு. முக்கியச் சோதனையில் மேம்பட்ட பணிகளின் குறைந்தபட்சப் பாதை 12 படிகள்; சோதனையில் மேலும் மூன்று படிகள் அனுமதிக்கப்படுகின்றன. எனவே தோல்வி அந்த வரம்புக்குள் தவறான அல்லது திறனற்ற தொடரைக் குறிக்கலாம். இது பொருளைப் பிடிக்கும் நம்பகத்தன்மை, இயக்கக் கட்டுப்பாடு, மாறும் உண்மையான வீட்டில் செயல்திறன் ஆகியவற்றை அளவிடாது.

முந்தைய பணிகள் உதவுகின்றன; பின்னர் ஆதாயம் சமமாகிறது

முக்கிய முக்கிய முடிவுகள் அட்டவணை முந்தைய எடுத்துக்காட்டுகள் இல்லாமல் மேம்பட்ட பணிகளைச் செய்யும் முகவர்களை, தொடர்புடைய இரண்டு அடிப்படைப் பணிகளின் அனுபவத்தை எடுத்துச் செல்லும் இரண்டு முறைகளுடன் ஒப்பிடுகிறது. சூழலுக்குள் கற்றல் முந்தைய முழு தொடர்புப் பாதைகளை வைத்திருக்கிறது. திறன் கற்றல் அவற்றை முகவர் எழுதிய Markdown திறன் சுருக்கத்தால் மாற்றுகிறது. நான்கு ஹார்னஸ்களிலும், தலா இரண்டு அடிப்படை மாதிரிகளுடன், இரு முறைகளும் ஒத்த பூஜ்ஜிய-ஷாட் முடிவை மிஞ்சின. உதாரணமாக, Qwen3.8-Flash கொண்ட Codex ஹார்னஸ் கற்றல் கட்டமின்றி 4% இலிருந்து, பாதைகளுடன் 34% ஆகவும் திறன் சுருக்கத்துடன் 33% ஆகவும் உயர்ந்தது. இவை இந்த அளவுகோலின் பணித் தொகுப்பு மற்றும் வரம்பில் ஆசிரியர்கள் பெற்ற முடிவுகள்.

எடுத்துக்காட்டு எண்ணிக்கை ஆய்வு அடிப்படைப் பணி எடுத்துக்காட்டுகளை பூஜ்ஜியத்திலிருந்து ஆறு வரை மாற்றுகிறது. இங்கு ஆசிரியர்கள் Qwen3.8-Flash உடன் Hermes மற்றும் OpenClaw மட்டும் பயன்படுத்தினர். இரண்டு ஹார்னஸ்கள், இரண்டு கற்றல் முறைகளிலும், ஓர் எடுத்துக்காட்டு மேம்பட்ட பணி வெற்றியை எடுத்துக்காட்டுகள் இல்லாத 8%–10% வரம்பிலிருந்து 28%–40% ஆக உயர்த்தியது. அதன் பின் அறிக்கையிடப்பட்ட நான்கு வளைவுகளில் எதுவும் கூடுதல் எடுத்துக்காட்டுகளுடன் தொடர்ந்து உயரவில்லை. இந்தக் கண்டுபிடிப்பு ஆய்வின் சூழலில் உள்ள முகவர்களுக்கும் நினைவக முறைகளுக்கும் மட்டுமே பொருந்தும்; அனுபவம் உதவும் அளவுக்கு பொதுவான வரம்பை இது நிறுவவில்லை.

ஆசிரியர்களின் செயல் பகுப்பாய்வு முன்னேற்றத்துக்கான குறுகிய குறிப்பை அளிக்கிறது. பூஜ்ஜிய-ஷாட் ஓட்டங்களுடன் ஒப்பிடுகையில், அனுபவமுள்ள முகவர்கள் பதிவுசெய்யப்பட்ட முடிவுகளில் குறைவான செல்லாத செயல்களைத் தேர்ந்தெடுத்தனர். Qwen3.8-Flash கொண்டு ஆய்ந்த நான்கு ஹார்னஸ்களில் 13%–20% குறைவு என ஆய்வு தெரிவிக்கிறது. இது கிடைக்கும் செயல்களைச் சிறப்பாகப் பயன்படுத்துவதுடன் ஒத்துப்போகிறது; நீடித்த, பொதுவான திறனை அவர்கள் கற்றனர் என்பதை நிரூபிக்காது.

மதிப்பீட்டைத் தேர்ந்தெடுக்கும் ஆராய்ச்சியாளர்களுக்கு, முந்தைய பணிகளின் எண்ணிக்கையும் பல்வகைமையும் அதிகரிக்கும்போது, அதே ஒதுக்கிவைத்த சேர்க்கைகளிலும் படி வரம்பிலும் ஒரு முறை வெற்றியை உயர்த்துகிறதா என்பதே பயனுள்ள கேள்வி. EmbodiedCLBench இதற்கான கட்டமைக்கப்பட்ட சோதனையை வழங்குகிறது. ஆதாரம் இன்னும் ஆசிரியர்களின் அக்டோபர் 9 முன்வெளியீடும் திட்ட வெளியீடும் மட்டுமே; BIG CHANGE இந்த அளவுகோலை இயக்கவில்லை, இங்கு முடிவுகள் சுயாதீனமாக மீண்டும் சோதிக்கப்படவில்லை.

ஆதாரங்களும் மேலும் வாசிப்பும்

  • Jie Huang மற்றும் இணை ஆசிரியர்கள், “EmbodiedCLBench: Evaluating Continual Learning for Self-Evolving Embodied Agents,” arXiv v1, அக்டோபர் 9, 2026 அன்று வெளியிடப்பட்டது. TongSim பணி அமைப்பு, ஆஃப்லைன் செயல் வரைபடம், படி வரம்புகள், எட்டு முக்கிய ஹார்னஸ்/மாதிரி அமைப்புகள், பூஜ்ஜியத்திலிருந்து ஆறு எடுத்துக்காட்டுகள் வரையிலான குறுகிய ஆய்வு ஆகியவற்றை முதன்மைக் கட்டுரை விவரிக்கிறது. முடிவுகள் அனைத்தும் ஆசிரியர்கள் தெரிவித்த உருவகப்படுத்தல் முடிவுகள்; இது முன்வெளியீடு மட்டுமே, இயற்பியல் ரோபோ சோதனையோ சுயாதீன மறுஆய்வோ அல்ல.
  • EmbodiedCLBench திட்டப் பக்கம், அக்டோபர் 13, 2026 அன்று பார்க்கப்பட்டது. ஆசிரியர்களின் பக்கம் அளவுகோலைச் சுருக்கி, வெளியிடப்பட்ட குறியீடு மற்றும் தரவுத்தொகுப்புக்கான இணைப்புகளை வழங்குகிறது. இது கட்டுரையின் முடிவுகளை மீண்டும் கூறுகிறது; தனித்த சோதனை ஆதாரம் அல்ல.
  • arXiv பதிப்பு பதிவு, அக்டோபர் 13, 2026 அன்று பார்க்கப்பட்டது. தலைப்பு, ஆசிரியர்கள், அக்டோபர் 9 v1 தேதியை உறுதிப்படுத்துகிறது; தனி செயல்திறன் ஆதாரத்திற்குப் பதிலாக மெட்டாடேட்டாவை வழங்குகிறது.