无奖励自改进Agent自建DSL实现精确问答

2026年10月16日，arXiv人工智能板块出现一篇由Yun-Shiuan Chuang等作者提交的论文，提出一种无奖励、无评判、无答案键的自改进智能体算子归纳方法。据该报道，一个冻结模型用嵌套双循环在小型精确DSL上自我改进：内循环仅在两个独立编写的表达式对每条记录结果一致时才作答；外循环自主发现缺失能力并编写算子，仅当独立第二实现一致且结果满足守恒律时才接纳，全程无需奖励、评判模型或答案键。报道称，未经修改，同一机制在两个模式无关的进一步领域——商业账本与临床问诊问答——上自我扩展，可回答集合分别增长十倍以上和近二十倍。该报道未提及更早的相关报道，因此不存在需要指出的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。