De dónde viene la autosuperación física de los VLM: una ley de escalado para agentes LLM

De dónde viene la autosuperación física de los VLM: una ley de

escalado para agentes LLM

Por qué algunos modelos Vision-Language manejan mejor las tareas físicas que otros, y cómo exactamente mejoran con la experiencia, seguía siendo una pregunta sin resolver. Un equipo internacional de Galbot (autores: Zekai Li, Jiayi Yu, Jinlu Zhang, Luyang Niu, Zekun Qi, Jun Zheng, Xuchuan Chen, Dairu Liu, Yintianrun Zhang, He Wang, Li Yi) ha publicado un estudio que desglosa de forma sistemática los mecanismos de autosuperación recursiva física en agentes Vision-Language.

El estudio introduce PhysRSI-eval, una metodología para evaluar cuantitativamente la RSI física mediante una métrica de cinco dimensiones. En lugar de un resultado binario tradicional, los autores miden cinco aspectos del aprendizaje: • First-Attempt Performance — la tasa de éxito en el primer intento • Efficiency — el ritmo de crecimiento del rendimiento • Success — la proporción final de intentos exitosos • Budget — el número de interacciones consumidas • Improvement from Failure — la capacidad de aprender de los errores

Configuración experimental y la Physical Barrel Hypothesis

Los autores probaron distintos modelos Vision-Language en 18 tareas de manipulación con el mismo presupuesto de interacciones. El análisis de los resultados llevó a formular la Physical Barrel Hypothesis: distintas capacidades del VLM limitan distintas partes del proceso de mejora. Igual que la capacidad de un barril la determina su duela más corta, distintos componentes del agente —comprensión visual, lógica de planificación, precisión de control— se convierten en cuellos de botella en distintas etapas del aprendizaje.

Las métricas de cinco dimensiones revelaron diferencias ocultas: sistemas con puntuaciones promedio similares en benchmarks públicos pueden diverger notablemente en sus perfiles de mejora. Las puntuaciones finales altas no garantizan un progreso rápido ni eficiente: las puntuaciones promedio tradicionales ocultan diferencias importantes en las trayectorias de aprendizaje.

Escalado y previsibilidad

El estudio abordó el escalado desde dos ángulos. El escalado observacional responde: ¿se puede predecir el rendimiento relativo de un agente VLM en tareas físicas a partir de las capacidades públicas conocidas del modelo? El segundo ángulo: predecir el progreso tardío a partir del feedback físico temprano — si en los primeros intentos el agente muestra un patrón de errores determinado, ¿se puede predecir su trayectoria posterior?

Juntos, estos dos análisis responden a la pregunta central: ¿qué tan rápido y hasta dónde puede mejorar un agente?

Intervenciones en el espacio de trabajo y la arquitectura de la experiencia

Los autores realizaron experimentos manipulando condiciones para entender qué queda de la mejora tras la intervención: • Eliminar el historial de interacciones reducía el éxito en las rondas tardías — el historial es crítico para el aprendizaje • Congelar la configuración del espacio de trabajo no destruía la utilidad de la experiencia en escenarios nuevos — la experiencia es parcialmente transferible • Tres casos de tareas cruzadas lograron el éxito antes bajo ciertas condiciones — la multitarea acelera el aprendizaje

Conclusión clave: la adaptación a una escena específica y la experiencia reutilizable existen en paralelo, no en conflicto.

Contexto en el panorama de la autosuperación recursiva

En Hugging Face se listan trabajos relacionados que desarrollan ideas similares: • PhysEvo: Astra Can Act, Let It (2026) • Agent Plasticity: Measuring Self-Improvement Through Experience (2026) • SoL-Pi: Recursively Scaling Auto-Research Loops for Efficient Agent Harness (2026) • Long-Horizon Scaling: How Model Capabilities Shape the Returns to Computation (2026) • HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness? (2026) • AReaL-RSI: Adaptive Scaling and Coordination of Recursive Self-Improvement (2026) • RSIGym: A Flexible Environment for Recursive Self-Improvement (2026)

El proyecto está disponible en physrsi-eval.github.io con el código completo, los datos y la documentación.