论文：RoboFoundry: System-as-Policy Evolution for Self-Learning Embodied Agents（arXiv 2609.32862，NTU、北航、NUS、上交等，2026-09）一、要点概述要解决的问题只优化单个组件：现有具身智能体一般只改进系统中的某一个部件，比如 memory、harness、skill 库或代码修复。改进只停留在这个部件里，既找不出系统其他地方的瓶颈，也说不清改进会怎样影响整个系统。部署后不再进化：交互中反复暴露同一类缺陷，但执行经验大多只用来做评测或人工调试，没有变成持久的、经过验证的系统修改。核心思想：System-as-Policy（把系统当作策略）基础模型 M 冻结不训练。真正被优化的"策略"是 M 外面的支撑系统 H(M)，包括 prompt、memory 规则、skill 代码和 planner 代码。模型用文件系统操作来改这个系统：用cat和grep查看，用 add、modify、delete 修改。这条路线可以看作从"LLM 做规划"到"代码即策略"（code-as-policy），再到"系统即策略"（system-as-policy）的延伸。如图 1 所示RoboFoundry：跨越基准测试与真实机器人的“系统即策略”演化。方法框架模块内容内-外双循环内循环用当前系统执行任务，记录完整轨迹 τ。外循环根据轨迹提出修改，再交给后续的内循环去检验。两层系统任务级系统 H_t，又分为语义层 S_t^c 和执行层 S_t^e。通用系统 H_g 跨任务持久保存。两个进化面① Context 面：用 SAVE、RETRIEVE、UTILIZE 三种操作管理工作上下文和文件系统记忆