TVP 任务四论文分享大纲

主论文：Transductive Visual Programming: Evolving Tool Libraries from Experience for Spatial Reasoning
Venue：ICLR 2026 Poster
OpenReview：https://openreview.net/forum?id=XCW1l9qcxy
PDF：https://openreview.net/pdf?id=XCW1l9qcxy
本地正文抽取：/home/leadtek/Downloads/文献调研/讲论文/tmp_deepcheck_20260506/XCW1l9qcxy.txt

0. 报告定位与主线

这次报告面向没有预先读过相关论文的部门听众。开场直接从任务四的核心问题进入，再介绍 TVP 给出的闭环机制。更稳的定位是：

TVP 是一篇关于 具身场景中 agent 如何从问题求解经验里发现、生成、改善并归并工具型技能 的论文。它没有直接解决 TongSim 物理交互，但给任务四提供了一个很清晰的闭环学习结构。

和任务四的连接点可以直接讲成：

任务四：开发针对 TongSim 端物理世界多模态交互的闭环学习算法。
TVP：在 3D 场景空间推理中，把一次次 visual programs 的成功经验沉淀为 Example Library，再抽象为 Tool Library，并通过维护/合并让工具库持续演化。
可借鉴结构：交互问题 → 程序化推理 → 执行/评价 → 经验库 → 技能抽象 → 技能归并 → 新任务复用。

1. 建议报告题目

优先标题：

从经验到技能库：TVP 如何让具身空间推理 agent 自我演化

备选标题：

Transductive Visual Programming：从具身场景推理经验中生成和归并工具技能
面向 TongSim Learning Loop 的经验驱动技能库：读 TVP
从 visual programs 到 tool library：具身 agent 的技能发现与归并机制

2. 30 分钟报告结构

建议按 24-25 分钟正文 + 5 分钟讨论/Q&A 准备。不要把每页讲得平均。重点展开 TVP 的问题背景、闭环机制、技能定义、任务四映射。

时间分配：

模块	页码	时间	目的
任务四问题入口	Slide 1-2	4 分钟	让听众理解任务四为什么需要经验驱动的技能库
论文问题定义	Slide 3	3 分钟	解释为什么固定工具/投机造工具不够
TVP 方法主线	Slide 4-8	11 分钟	讲清 Example Library、Tool Library、经验积累、工具抽象、工具归并
实验和证据	Slide 9	3 分钟	只讲支撑主线的结果，不展开全部 benchmark
任务四关联与边界	Slide 10-12	6 分钟	说明 TVP 对任务四的启发和不能直接覆盖的部分
启发和总结	Slide 13-14	2 分钟	收束 TVP 对任务四学习闭环的启发
Q&A	备用	5 分钟	回答 skill/agent/具身/适用边界问题

Slide 1：报告问题和论文入口

这一页先给听众一个清晰问题：

具身智能体在物理世界中会不断遇到新的空间和交互问题；
只靠一次性推理不能形成持续能力；
更有价值的是把成功的问题求解过程沉淀成可复用技能。

再引出 TVP：

TVP 是 ICLR 2026 的一篇论文，研究 agent 如何在 3D 场景空间推理中，从成功的 visual programs 里积累经验、抽象工具，并持续维护工具库。它提供了一个从“解决问题”到“沉淀技能”的闭环样例。

Slide 2：任务四的需求拆解

把任务四拆成四个能力要求：

多模态观察：TongSim 中看到物体、空间关系、交互状态。
问题驱动推理：交互中出现问题后，需要定位问题、推理原因、生成解决过程。
闭环学习：一次解决不是终点，经验要进入后续学习。
技能沉淀与归并：反复出现的推理/检查/操作模式要变成可复用技能，技能库还要避免膨胀。

这页的作用是把任务四的工程目标和 TVP 的论文问题先连起来。

Slide 3：TVP 要解决的问题

TVP 的出发点：3D spatial reasoning 需要精确几何计算，单纯 VLM 很难稳定完成。正文中把 visual programming 定义为把复杂视觉推理分解成离散计算步骤，调用 depth estimator、object detector、geometric function 等工具，再用程序逻辑组合结果。已有方法有两个问题：

固定工具集不能适应新问题；
先验/投机式 tool induction 没有来自真实求解经验，工具容易看起来有用但实际很少被用。

这页可以强调：

TVP 反对“先想象一堆工具再求解”，主张“先解决真实问题，再从成功经验中抽象工具”。

这和任务四很贴：TongSim 中真正缺什么技能，应当由交互过程中反复遇到的问题暴露出来，而不是只靠离线预设。

Slide 4：TVP 总体闭环

TVP 的闭环由两个库和两个阶段构成。这里最好配 Figure 3 讲：

Example Library：存成功程序、执行 trace、问题和答案。
Tool Library：存基础工具和从经验中抽象出的高级工具。
Phase I：Experience Accumulation：生成候选程序、执行、judge 评价，高质量程序进入经验库。
Phase II：Transductive Tool Abstraction：从经验库中聚类相似解法，抽象成新工具，验证后加入工具库。

建议画成一圈：

新问题 / 3D 场景
    ↓
检索 Example Library + 调用 Tool Library
    ↓
生成 visual program
    ↓
执行 + judge 评价
    ↓
高质量程序进入 Example Library
    ↓
聚类相似程序，抽象新 tool
    ↓
Tool Library 更新 / merge
    ↓
后续问题更容易解决

Slide 5：为什么这叫 skill learning

这里要避免把 TVP 的 tool 说成机器人动作 skill。更准确的说法：

TVP 的 skill 是 agent 可调用的程序化推理工具，不是低层运动控制策略，也不是 AtomicVLA 那种原子动作专家。

它能覆盖“技能发现/生成/改善/归并”这条报告主线，因为：

要求	TVP 中的对应机制
技能发现	从 Example Library 中聚类 recurring solution patterns
技能生成	把重复程序片段抽象成 parameterized functions/tools
技能改善	新工具让后续程序更短、更准，更新后的高质量程序又进入经验库
技能归并	Tool Library Maintenance 合并相似工具，形成更一般的工具

这一页用于澄清本报告所说的 skill：它是 agent 可调用的程序化推理工具，而不是低层运动 primitive。

Slide 6：Phase I 细讲：经验如何进入系统

Phase I 的关键不是“让 LLM 写程序”本身，而是筛选可沉淀的经验：

对当前问题检索相似 examples；
基于当前 tool library 生成多个候选程序；
执行程序并保留 execution trace；
过滤执行失败或无结果的程序；
VLM judge 根据程序、trace、图像证据和答案给质量分；
高质量程序进入 Example Library。

对任务四的启发：

TongSim 中每次交互失败/成功都应形成可检查的轨迹，而不是只留下自然语言总结。轨迹里应包含观察、调用的工具/API、推理步骤、动作/检查结果和最终判定。

Slide 7：Phase II 细讲：经验如何变成工具

Phase II 做三件事：

从经验库中找相似问题和相似程序结构；
把共同逻辑抽象成带参数的函数；
用历史 examples 验证新工具是否可靠。

TVP 的验证分两层：

execution validation：重写后的程序必须能执行；
correctness validation：结果变化时，用 judge 判断新结果是否同样有效或更好。

对任务四的启发：

任务四不能只让模型“总结一个技能”。新技能必须能回放到历史交互轨迹上，证明它没有破坏原来能解决的问题。

Slide 8：Tool Library Maintenance：为什么归并重要

TVP 明确讨论工具库维护。这里最好配 Figure 4 讲。随着问题越来越多，相似工具会从不同 clusters 中产生。如果不归并，工具库会变乱，后续 agent 反而更难选工具。

论文里的例子：相似的 3D ratio 工具可以合并成更通用的 object size ratio 工具。

对任务四的启发：

TongSim 的技能库不能只会新增。它还需要“归并、去重、泛化、回归验证”。否则 learning loop 会变成技能堆积，而不是能力成长。

Slide 9：实验结果怎么讲

只讲对分享主线有用的结果：

Omni3D-Bench 上，TVP 超过 GPT-4o 约 22 个百分点，超过之前 visual programming 系统约 11 个百分点。
transductive learned tools 作为核心依赖被使用的频率显著高于 inductive tools。
工具库还能泛化到 SpatialScore-Hard collection，不做 testset-specific 修改也能保持效果。

讲法重点：

这些结果不是只证明 TVP 答题更准，更重要的是证明“从经验中抽象工具”比“先验生成工具”更容易被后续程序真正使用。

Slide 10：这篇论文和任务四的关系

这一页只讲高层关系，不展开具体落地方案。重点是三条：

问题类型相近：任务四面对的是物理世界多模态交互中的问题，TVP 面对的是 3D 场景中的空间推理问题。两者都要求 agent 把观察、语言问题和环境状态组织成可执行的推理过程。
学习对象相近：任务四需要在交互中积累可复用经验，TVP 展示了如何把成功的问题求解程序沉淀为 Example Library，再抽象成 Tool Library。
闭环结构相近：任务四关心“遇到问题、思考推理、学习成长”，TVP 的 program-tool-program cycle 正好给了一个清晰样例。

这页的结论可以说成：

TVP 不解决 TongSim 的全部交互问题，但它把“经验如何变成技能库”这件事讲得很清楚，因此适合作为任务四 learning loop 的参考论文。

Slide 11：TVP 不能直接覆盖任务四的地方

主动讲边界，避免过度包装：

TVP 主要是空间推理，不是完整物理交互；
TVP 的程序输出是 reasoning program，不是机器人动作序列；
TVP 的 feedback 是程序执行和 VLM judge，不是完整环境 reward；
TVP 没有处理长期交互中的复杂状态记忆和动作失败恢复。

随后立刻落到可借鉴点：

这篇论文的价值不是提供 TongSim 现成方案，而是说明一个 agent 如何把成功问题求解过程积累起来，并进一步抽象和维护成工具型技能。

Slide 12：对任务四的三点启发

这一页不写迁移方案，只收束成任务四可以借鉴的三点思想：

不要只看最终答案，要保存求解过程
TVP 保存的是 program、execution trace 和 judge 评价。对任务四来说，交互过程中的观察、推理步骤、检查结果和成功/失败原因同样重要。
技能应来自反复出现的问题模式
TVP 不是先拍脑袋造工具，而是从成功经验中找 recurring patterns。任务四也应避免只靠人工枚举技能，而应关注交互中反复出现的问题类型。
技能库需要维护，而不是无限新增
TVP 的 Tool Library Maintenance 说明，技能库如果只增不合会越来越难用。任务四后续也需要关注技能去重、泛化和回归验证。

Slide 13：这篇论文最值得带走的观点

这一页继续保持论文讨论，不写系统迁移方案。建议讲成一个主判断：

TVP 的关键不是“又让 LLM 写程序”，而是把程序化求解过程组织成可积累、可抽象、可复用、可归并的经验闭环。

可以用三句话展开：

visual program 让复杂空间推理有了可执行中间过程；
Example Library 让成功过程可以被后续问题复用；
Tool Library Maintenance 让技能库保持可用，而不是变成工具堆积。

Slide 14：最后总结

建议收束成三句话：

TVP 的核心贡献是把 visual programming 从固定工具/投机工具，推进到 从经验中演化工具库。
它覆盖了技能发现、生成、改善和归并四个环节，而且是 ICLR 2026 中稿论文。
对任务四来说，TVP 的价值在于提供 TongSim learning loop 的结构模板：把交互过程中的问题求解轨迹沉淀成可复用、可验证、可维护的技能库。

3. 逐页讲法和展开重点

Slide 1：报告问题和论文入口，讲 2 分钟

直接从问题开场：具身智能体如果每次都从零推理，就无法形成持续能力。TVP 的价值在于展示“成功问题求解程序如何沉淀成工具库”。

可讲句：

如果一个具身智能体每次遇到空间或交互问题都从零开始推理，它就没有形成真正的 learning loop。TVP 讨论的正是如何把成功的问题求解程序沉淀成可复用工具库。

Slide 2：任务四需求拆解，讲 2 分钟

把任务四读成四个问题：TongSim 看到什么、遇到什么交互问题、如何推理、推理之后如何学习。这里要明确任务四不是只做 benchmark，也不是只做低层动作，而是要形成 learning loop。

可讲句：

任务四真正难的是闭环。一次解决问题不够，系统要知道这次解决过程以后能不能复用，能不能变成一个更稳定的技能。

Slide 3：TVP 的问题定义，讲 3 分钟

这里要讲清两类 baseline 的问题：固定工具集不能长大，投机式工具生成没有经验 grounding。TVP 的立场是先做题、再从成功解法里长工具。

建议展开一点 visual programming 背景：TVP 也让 agent 写程序，但重点不是写出一次答案，而是把反复成功的程序结构变成工具库。

Slide 4：总体闭环，讲 3 分钟

这是方法入口页。建议画环，不要照着文字念。核心是两个库：Example Library 保存具体成功经验，Tool Library 保存可调用抽象工具。

讲清一个关键点：Example Library 不是 memory 摆设，它直接参与后续 program generation；Tool Library 也不是人工预设清单，它会随着经验演化。

Slide 5：为什么这是 skill learning，讲 3 分钟

这是回应听众可能产生的概念疑问。要明确 TVP 的 skill 不是机器人动作 primitive，而是 agent 可调用的程序化推理工具。

四个关键词逐个对齐：

discovery：从相似成功程序里发现重复模式；
generation：把重复模式抽象成函数；
improvement：新函数让后续程序更短、更准；
consolidation：相似函数合并成更通用工具。

Slide 6：Phase I，讲 3 分钟

不要只说“LLM 生成程序”。重点是经验筛选机制：候选程序要执行，失败的不要，能执行的再由 judge 结合图像和 trace 打分。

任务四关联点：TongSim 里每次交互都应记录可回放 trace。没有 trace，就没法从经验中抽象技能。

Slide 7：Phase II，讲 3 分钟

这里讲经验如何变成工具。重点是 transductive：不是根据任务描述提前猜工具，而是从已经成功的 programs 里抽象工具。

必须讲验证：新工具不能只看起来像总结，它要能替换原程序片段，并在历史 examples 上保持执行成功和结果质量。

Slide 8：工具归并，讲 2 分钟

这页很重要，因为技能库如果只增不合，会变成另一个负担。TVP 的 maintenance 把相似工具合并，并用原工具覆盖的 examples 做回归验证。

任务四关联点：技能库也需要 merge / dedup / regression test。

Slide 9：实验，讲 3 分钟

只讲三条证据：Omni3D-Bench 效果、transductive tools 使用率更高、SpatialScore-Hard 泛化。不要逐个模型报表。

这页的结论是：经验驱动抽象出来的工具真的被后续程序使用，而且不是只在一个测试集上凑巧有效。

Slide 10：这篇论文和任务四的关系，讲 3 分钟

不要讲具体迁移方案。只讲为什么它和任务四有关：任务四也需要从多模态观察和物理交互问题中形成可执行推理过程，并把可复用过程沉淀下来。

可讲句：

我们不是说 TVP 可以直接搬到 TongSim，而是说它把“经验如何形成技能库”这个闭环讲得很清楚。

Slide 11：边界，讲 2 分钟

主动承认边界：TVP 不直接做完整物理交互，也不输出动作序列。这样反而更可信。

收束句：

它不是任务四的现成系统方案，而是一篇适合参考 learning loop 结构的论文。

Slide 12：三点启发，讲 3 分钟

这页讲高层启发，不讲工程实现：保存过程、从重复问题中抽象技能、维护技能库。

可讲句：

如果只保存最终成功或失败，系统学不到技能。TVP 的思路是把求解过程本身保存下来，再从重复出现的过程里抽象工具。

Slide 13：论文 take-away，讲 2 分钟

这页回到论文本身。强调 TVP 的贡献不是单纯提升 3D spatial reasoning 分数，而是给出了一种经验驱动的 tool-library evolution 方式。

Slide 14：总结，讲 1 分钟

最后只保留一个判断：

TVP 给任务四最有价值的不是一个现成算法，而是一个把交互经验沉淀为可复用、可验证、可维护技能库的闭环范式。

4. 建议重点讲的三张图/表

Figure 1 / Figure 3：dual-library closed loop
用来讲 Example Library 与 Tool Library，以及 program-tool-program cycle。
Figure 4：Tool Library Maintenance
用来讲技能归并。这个点能帮助听众理解为什么技能库不能只新增、不维护。
Table 1 / Table 2：效果与泛化
只讲结论，不需要逐项报数。重点是“经验驱动工具抽象确实提高了 3D spatial reasoning，并且能泛化到新的 spatial benchmarks”。

5. 可能被问到的问题

Q1：TVP 是具身论文吗？

答：它不是机器人动作控制论文，但它面向真实 3D 场景中的空间推理，属于 embodied perception / spatial reasoning 方向。对任务四来说，它提供的是物理世界交互中“推理技能如何形成和维护”的结构参考，而不是低层控制算法。

Q2：TVP 的 skill 和 robot skill 是一个概念吗？

答：不是。TVP 的 skill 是可调用的程序化推理工具，robot skill 通常指动作策略或运动 primitive。本报告关注它，是因为任务四需要 agent 在交互中积累、抽象、复用和归并问题求解技能。

Q3：它的 learning loop 在哪里？

答：在 program-tool-program cycle。系统先用当前工具解决问题并积累成功程序，再从这些程序中抽象新工具，新工具又改善后续程序，后续更好的程序继续进入经验库。这个循环就是 TVP 的核心 learning loop。

Q4：它是否需要人类干预？

答：TVP 的工具生成和验证主要由系统自动完成，依赖执行结果和 VLM judge。它不是“发现缺什么后交给人类补数据”的流程。这点更贴近任务四想要的闭环学习。

6. 参考来源

TVP OpenReview forum：https://openreview.net/forum?id=XCW1l9qcxy
TVP PDF：https://openreview.net/pdf?id=XCW1l9qcxy
TVP project page：https://transductive-visualprogram.github.io/
本地正文抽取：/home/leadtek/Downloads/文献调研/讲论文/tmp_deepcheck_20260506/XCW1l9qcxy.txt

7. 最终推荐口径

部门分享时可以固定成这句话：

TVP 的价值不在于直接替代 TongSim 的物理交互系统，而在于提供一个清晰闭环：把具身场景中的问题求解过程记录下来，从成功经验中抽象可复用工具，再通过验证和归并维护工具库。这个闭环对任务四的多模态交互学习有直接启发：智能体不只要解决当前问题，还要把可复用的问题求解过程沉淀成技能。