AReaL-RSI 提出不更新权重的智能体自改进框架

Wenhao Zhou 等作者发布论文，提出 AReaL-RSI 框架：在不更新骨干大语言模型权重的前提下，通过组织一个持久化的智能体研究团队来实现递归自我改进。 该框架由 leader agent 选择研究方向，并以条件记忆共享机制区分尚未解决的问题与已验证的发现。论文将这一设计描述为无需更新骨干 LLM 权重即可实现递归自我改进。

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。