R²Orch提出递归自我博弈实现智能体自我改进

针对智能体编排中存在的依赖手工课程、优势坍缩及评估信号不可靠等痛点，研究团队提出了R²Orch递归自我博弈编排范式。该方法旨在通过让智能体自我博弈，实现编排能力的自主进化与递归自我改进，从而摆脱对人工设计的依赖。 该范式的核心在于引入了以“递归可学习性”为目标的任务提案者。这一机制能够自动设计具有挑战性的任务，引导智能体在动态环境中不断尝试。通过这种迭代过程，系统能够有效捕捉学习边界，避免了传统方法中常见的信号退化问题。 在自我博弈循环中，R²Orch利用“技能撤回”机制处理失败案例。系统会将失败的经验蒸馏为具体技能并更新参数，将“教训”转化为可复用的能力。最终目标是实现零技能部署，即智能体无需预定义技能库即可适应新任务。 实验显示，在12个覆盖问答、数学、代码及交互任务的数据集上，R²Orch的表现持续优于基线模型。这一结果验证了该方法在复杂场景下的泛化能力与有效性，证明了自我博弈范式在提升智能体编排能力方面的潜力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。