跳到正文
arXiv · AI· 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·· 11 天前AI 评分45

Flex-RSI:基准测试前沿智能体的递归自我改进

Flex-RSI: Benchmarking Recursive Self-Improvement of Frontier Agents

AI 导读

Flex-RSI 基准测试在固定预算下评估智能体递归自我改进能力,发现当智能体自建方案时改进效果最佳。 该基准涵盖感知、推理、机器人动作等任务,对比闭源与开源模型发现,仅记录成败反馈会限制开源模型表现,开源模型在严格物理稳定性检查中落后更多。

来源:arXiv · AI · arxiv.org