Le filThèmes : AgentsÉvaluationsRecherche
RoboFoundry propose un cadre où le système entier est la politique d’un agent incarné qui s’améliore seul
1 sourcemis à jour 29 sept.pertinence 3,0 sur5
L’essentiel
Sur EmbodiedBench, RoboFoundry améliore GPT-5.5 de 27,8 %. Il rapproche aussi Qwen3.7-Plus de GPT-5.5 (70,3 % contre 72,7 %). Sur RoboMemArena, il dépasse toutes les méthodes de référence d’au moins 39,0 %.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJingsong Liang, Shuhao Liao, Shizhe Zhang et al.huggingface.co
RoboFoundry: System-as-Policy Evolution for Self-Learning Embodied Agents (site externe)
A foundation model should not act in isolation as an embodied agent.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5