亚马逊科学家提出四种方法，为实体环境中的AI代理提供物理grounding
亚马逊科学家提出四种方法，将AI代理与其运行的物理现实进行grounding，以应对在仓库等高危环境中出现的幻觉问题。
AI解读：AI代理正从聊天机器人转向在仓库、工厂等物理环境中执行多步骤任务的实体，但模型幻觉在虚拟场景只是编造信息，放到物理系统里可能让机器人规划出不遵守动量、质量守恒的路径，危及人员或设备。亚马逊科学家的方案是把外部信息——物理定律、数值模拟、领域数据——嵌入模型推理，具体四条路：用物理第一性原理做预训练（PGDL）、校准不确定度让模型在该说“不知道”时停下（UQ4CT）、用模拟器补齐语言到数值的鸿沟（AWL）、用外部验证器循环检查输出是否违反科学或数学规则（Zephyrus和Hilbert）。这些方法可单独或组合用，效果数据偏向科研基准：UQ4CT降低25%以上的期望校准误差，AWL在物理科学数据集上准确率提升29%，Hilbert比最佳公开prover模型提升422%。对运营管理者而言，这意味着像亚马逊Project Eluna这类云端助手在给出瓶颈预判和行动建议前，会更可能踩住物理和安全红线；但研究仍是论文层面的框架与演示，Amazon Science没有给出在生产环境上线后误报率、部署成本等实测数据，落地效果还得看后续集成。技术决策者可以按场景挑方法：数据少就用PGDL，安全阈值敏感的操作用UQ4CT做闸门，数学证明需求看Hilbert；普通读者暂时不需要为这些模型改变日常操作。
亚马逊科学家提出四种方法，将人工智能代理与其运行的物理现实进行“grounding”，旨在应对在仓库等高风险环境中出现的幻觉问题。这些方法源自作者在加州大学圣迭戈分校及亚马逊Fulfillment Technology (AFT) 团队的研究，并已用于亚马逊的Project Eluna，这是一个协助履约中心运营经理的云端代理模型。
作者将“grounding”定义为整合外部信息（包括领域特定数据集、物理原理和数值模拟）来为模型的推理提供背景。四种方法可单独或组合使用。
四种支柱方法及性能数据
第一种是物理引导深度学习（PGDL），将旋转等对称性和微分方程等第一性原理嵌入预训练中，使预测遵循物理定律，并可能减少所需数据量。
第二种是不确定性感知推理，使用UQ4CT框架，通过混合专家方法将模型划分为专注的子网络，校准置信度与正确性。该框架在五个基准上保持高精度，并将期望校准误差（ECE）降低超过25%，即使在分布偏移下也能保持良好的泛化能力。
第三种是弥合文本到数值的鸿沟，通过适应-学习（AWL）框架，该框架结合世界知识蒸馏和动态工具适应来调用数值模拟器。相对于原始模型，AWL后训练的模型在答案准确率上提高了29%，模拟器工具使用率提高了12%，在物理科学数据集上的表现甚至超过了GPT-4o和Claude-3.5等最先进模型。
第四种是验证器增强的grounding，使用外部软件（如Zephyrus用于天气科学、Hilbert用于数学推理）来检查逻辑和现实性。Hilbert通过将复杂问题分解为子目标并使用形式验证器递归验证，其性能比最佳公开可用的prover LLM提升了422%。
未来方向
作者认为这四个支柱为将LLM锚定在现实中奠定了基础，并指出未来研究可以专注于用更复杂的多保真模拟进行微调、将不确定性作为探索的内在奖励信号，以及在规划阶段将物理定律作为形式验证器。
作者强调，这些技术成熟后将协同工作，物理引导学习结合校准的不确定性和形式验证，将比单一支柱更健壮，这对AI代理在物理世界中安全可靠的大规模扩展至关重要。