arXiv Robotics· Jingdong Zhang, Jionghao Wang, Zhengming Yu, Yancheng Cai, Wei Chow, Chris Choy, Zhiyang Dou, Hang Hua, Jiachen Li, Zhixuan Liu, Chen Wang, Songlin Wei, Siyuan Yang, Yu Yuan, Xiaohang Zhan, Yucheng Zhang, Shuhong Zheng, Xin Li, Lingjie Liu, Wojciech Matusik, Zhengzhong Tu, Wenping Wang·· 13 小时前AI 评分45
Flex-RSI：面向前沿智能体递归自我改进的基准测试
Flex-RSI: Benchmarking Recursive Self-Improvement of Frontier Agents
AI 导读
Flex-RSI 是评估前沿智能体在固定预算下递归自我改进能力的基准，每轮由执行器改进任务解、改进器修订包括自身在内的 harness，最终解在隐藏测试数据上评分。
推荐理由模型分析
该工作提出 Flex-RSI 基准，把智能体改进对象从任务答案扩展到提示、工具、记忆与控制循环组成的 harness，并在固定预算下用留出验证筛选、隐藏测试评分。对做 Agent 自改进和工具链设计的开发者，它给出可比较的基线设置，并报告 harness 编辑本身带来增益、仅记录成败的反馈会拖累开放权重模型等观察。结论限于视觉与机器人任务及所测模型，物理稳定性等严格校验下的差距需结合具体任务判断。
来源：arXiv Robotics · arxiv.org