arXiv Artificial Intelligence· Mingda Zhang, Qiang Huang, Yanjin Li, Zijia Wang, Qika Lin, Xiaoying Tang, Tiesunlong Shen·· 3 小时前AI 评分38
R² Flow：通过递归技能进化实现递归自我改进
R$^2$ Flow: Recursive Self-Improvement via Recursive Skill Evolution
AI 导读
R² Flow 是一个递归自我改进框架，在共享状态编排图上交替进行策略学习、独立验证和带版本号的技能库更新，解决流训练策略坍缩、非负流信用误把高频使用当收益、库编辑依赖任务奖励三个问题。在问答、数学推理、交互决策和代码生成任务上，其任务准确率和库编辑精度均优于启发式编排、强化学习和技能进化基线，并可跨执行器迁移。代码已开源。
来源：arXiv Artificial Intelligence · arxiv.org