arXiv · AI· Mingda Zhang, Yun Huang, Qiang Huang, Yanjin Li, Rui Qian, Qichao Zhao, Tiesunlong Shen, Na Zhao, Jian Wang, Xiaoying Tang·· 7 小时前AI 评分31
**title_zh:** R²Orch：通过技能内化循环中的自博弈实现智能体编排的递归自我改进
R$^2$Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
AI 导读
**summary_zh:** 提出R²Orch递归自我博弈编排范式，解决手工课程、优势坍缩及评估信号不可靠等挑战。 该方法引入“递归可学习性”目标奖励任务提案者，并通过“技能撤回”机制将失败蒸馏为技能及参数，最终实现零技能部署。 在12个数据集的实验显示，R²Orch在问答、数学、代码及交互任务中持续优于基线模型。
来源：arXiv · AI · arxiv.org