物理的RSI能力はどこから来るのか：LLM-as-policyの観測的スケーリング則

- 物理的Recursive self-improvement（RSI）の仕組み・scaling挙動・汎化を体系的に調べる研究。 - PhysRSI-evalを導入し、5軸指標（First-Attempt Performance, Efficiency, Success, Budget, Improvement from failure）で物理RSIを定量化。 - 18のmanipulationタスクで異なるVLMを固定interaction budget下で評価。 - 実験結果からPhysical Barrel Hypothesisを提唱：異なる能力が改善の異なる部分を制約しうる。 - 公開ベンチマーク平均が近いシステムを5軸指標で区別でき、高スコアが早期・効率的な改善を伴うとは限らないことを示す。

- 要旨からは不明（先行研究との直接比較は明示されていない）。 - ただし5軸指標により、公開ベンチマーク平均が近いシステム同士を区別できる点を特徴として示す。 - 高スコアが早期・効率的な改善を伴わない場合があることを明らかにする点を主張。

- PhysRSI-evalによる5軸指標（First-Attempt Performance, Efficiency, Success, Budget, Improvement from failure）での定量評価。 - 18のmanipulationタスクを固定interaction budget下でVLMに実行させる。 - Physical Barrel Hypothesisの枠組みで能力と改善の制約関係を分析。 - observational scalingを2視点から検討：公開能力からの相対性能予測、早期物理フィードバックからの後続進歩予測。 - workspace interventions（history除去、frozen workspace等）で改善の残存効果を分析。

- 18のmanipulationタスクで異なるVLMを固定interaction budget下で評価。 - 5軸指標でシステム間の差異を検証。 - workspace interventionsを実施：history除去でlate-round successが低下、frozen workspaceはunseen layoutsでも有用、3つのcross-taskケースで早期成功。 - これらの結果からscene-specific adaptationとreusable experienceの共存を示唆。

- Physical Barrel Hypothesis：異なる能力が改善の異なる部分を制約しうるという仮説を提示。 - 高スコアが早期・効率的な改善を伴うとは限らない点を議論。 - history除去がlate-round successを低下させる一方、frozen workspaceがunseen layoutsで有用である結果から、scene-specific adaptationとreusable experienceの共存可能性を議論。 - 詳細な限界や反証については要旨からは不明。

- 要旨で参照/比較されている研究は明示されていないため、同分野の定番として以下を挙げる。 - VLM-as-policyに関するmanipulation研究（例：RT-2, OpenVLA等の一般名）。 - Recursive self-improvementやscaling lawに関するLLMエージェント研究。 - 具体的な参照論文は要旨からは不明。