R²Orch：技能内化循环中的自博弈实现智能体编排递归自我改进
原文标题：R$^2$Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究提出 R²Orch 递归自博弈编排范式，内循环通过自博弈在自选任务上改进编排器，外循环改进内循环的改进方式，并引入递归可学习性目标与技能撤回机制。在十二个数据集上，问答、数学、代码和交互任务均持续优于基线。
- 问题
- 智能体编排学习依赖手工课程、优势坍缩与噪声评估信号。
- 方法
- 递归自博弈：内循环在自选任务上改进编排器，外循环改进内循环，配合递归可学习性目标与技能撤回机制。
- 结果
- 在十二个数据集的问答、数学、代码与交互任务上持续优于基线。
- 影响
- 为智能体编排提供可自我进化的训练范式，朝零技能部署方向演进。
深读 · 结论先行AI 生成展开看要点与影响 ↓
R²Orch 用内外双层自博弈改进编排器，十二个数据集上全面优于基线。
- •内循环在自选任务上自博弈改进编排器，外循环改进内循环的改进方式
- •提出 Recursive Learnability 目标，奖励 Proposer 选择技能撤回后结果仍分化的任务
- •Skill Withdrawal 机制：自博弈内受控评估显示某技能可省即撤回，趋向零技能部署
- •失败蒸馏为技能、技能蒸馏为参数，撤回又催生新失败，形成闭环
- •在问答、数学、代码、交互任务共十二个数据集上持续超过基线
为什么重要：针对手工课程、优势坍缩与单分数评估三个编排训练痛点给出统一方案，对做 agent 训练的团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。