★ 3
辅助奖励自改进：用熵指标加权 Qwen3-1.7B 推理轨迹
论文研究辅助轨迹偏好能否提升小模型自改进，比较基于置信度与基于熵的 UID-Conj. 指标。在线实验中在 30 道 AIME 题上适配 Qwen3-1.7B，UID-Conj. 比原始 TTRL 宏平均提升 2.08 个百分点。离线加权 SFT 中比均匀加权高 1.93 分，95% 置信区间为 …
arXiv cs.AI8 小时前
#自改进
共 11 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
arXiv 论文：自改进智能体验收门致冗余防护被静默侵蚀
论文提出「掩蔽侵蚀」现象：自改进 LLM 智能体通过验收门筛选对 harness 的修改，当多个安全防护重叠时，删除其中一个不会带来可观测伤害，验收门因此只看任务成功率而放任冗余防护流失。作者在两种智能体环境中对四类防护的全部子集做删除实验，运行 411 次改进循环，发现更大评估批次会让门删除更廉…
arXiv cs.AI3 天前
★ 3
RSIHub 开源框架发布：统一构建与对比智能体进化方法
研究推出开源框架 RSIHub，用可复用算子与可变资源声明组合配方，统一提供执行、评估、恢复与血缘追踪。作者在不改动框架核心的前提下实例化 AHE、Hyperagents、A-Evolve 与 GEPA，并在 Terminal Bench 2 与 τ³ Banking 上评测，最大整体 pass@…
arXiv cs.AI7 天前
★ 3
arXiv 论文提出以记忆为中心的智能体持续学习框架 MCCL
论文指出外部记忆系统多被当作被动检索缓存，无法支撑智能体长期持续学习。作者提出 Memory-Centric Continual Learning（MCCL），以三轴分类法组织记忆，定义内外双环生命周期，并给出评估协议与记忆缩放框架。核心主张是记忆应以是否改善未来行动来评判，而非仅看检索准确率。
arXiv NLP11 天前
★ 3
苹果发布 RSI-Inference 评估自改进 LLM 推理智能体
苹果发布 RSI-Inference，一套用于评估「自我改进型 LLM 推理」智能体的评测方案。该工作关注模型能否在推理过程中自主迭代提升表现，并给出可比较的评估框架，为自改进推理研究提供基准。
Hacker News – LLM15 天前
★ 3
ClawLoop：无需外部教师的智能体自改进训练框架
arXiv 论文提出 ClawLoop，一个面向 harness 型智能体的自改进训练框架，无需外部教师模型、依赖极少先验。它由任务合成、训练（SFT/RL）、诊断反馈三阶段构成自循环，用 Qwen3.6-27B 作为循环模型在 SkillsBench、Claw-Eval-Live、ClawGym…
arXiv cs.AI19 天前
★ 3
LoopOPD：循环语言模型跨循环在线策略蒸馏
论文提出LoopOPD框架，利用循环语言模型内部额外的循环计算作为自身监督来源，以冻结的终端循环策略作为计算特权教师指导中间循环学生，无需外部教师或特权信息。进一步提出动态LoopOPD持续刷新教师实现循环自改进。在Ouro-Thinking模型上实验显示数学推理提升，并泛化到通用推理与代码生成。
arXiv cs.LG24 天前
★ 3
AREX-2：长程反思任务推动自改进智能体
论文提出AREX-2，通过从机器学习与算法编程任务合成长期改进轨迹，训练LLM智能体在测试时迭代优化解。基于Qwen3.8-27B的智能体在MLE-bench Lite取得81.8、Frontier-CS取得70.7，并迁移到深度研究任务，在BrowseComp、HLE、GAIA、DeepSear…
arXiv cs.AI32 天前
★ 3
SCAFFOLD：自改进Web代理框架
提出SCAFFOLD，一个自改进框架，通过递归参数化技能抽象，从成功轨迹中归纳可执行技能，维护递归组合层次，并通过MDL准则压缩库。在WebArena等基准上显著提升成功率，并展示单调增益。
arXiv cs.AI54 天前
★ 2
研究提出预算受限的代码自改进编辑预评分方法
论文研究能改写自身脚手架（scaffold）的编码智能体如何在编辑被评估前选择扩展对象，用父代求解率与 diff 坐标拟合线性读出并冻结系数。在 HumanEval+ 留出集上，GPT-4o 十二次运行返回节点达 87.0%，高于父代率消融的 84.2%；Claude Sonnet 4.5 下为 …
arXiv cs.AI11 天前
★ 2
将记忆作为自改进智能体的中间件
论文指出AI智能体默认跨会话无状态、操作性失忆，导致重复犯错。当前主流做法是定制化记忆，与单一存储引擎绑定，造成碎片化。作者主张将智能体记忆视为一等可插拔的中间件层，并提出六大系统挑战，同时给出参考实现ALTK-Evolve。
arXiv cs.AI34 天前