从试错中学习：具身大语言模型的反思性测试时规划

具身大语言模型虽具备高层任务推理能力，但缺乏对错误的反思机制，导致部署中错误重复而非积累经验。本文受人类反思实践启发，提出反思性测试时规划方法，整合两种反思模式：行动中的反思利用测试时缩放生成并评分候选动作；行动后的反思通过测试时训练更新内部模型与策略。此外，引入回溯反思以重新评估早期决策，实现长视野信用分配。实验表明该方法在长程家庭任务及 MuJoCo 基准上显著优于基线。