★ 3
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
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。
arXiv cs.AI13 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。