Meta^n 递归架构让 AI Agent 自我改进

明尼苏达大学与首尔大学联合提出 Meta^n 架构，通过将固定的元操作递归应用于自身前一层，实现真正的递归深度，让 LLM Agent 能够检查失败案例及其成因代码，进而优化或覆盖早期策略。不同于传统固定元层级或直接自我编辑的方法（元深度通常仅约 2 层且不稳定），该系统在 ARC-AGI-2 基准上取得 0.331 的得分。

2026-08-30 ~ 2026-08-31 · 3 条相关

• 新研究 Metan：自改进 Agent 通过加深策略层实现进化 — rohanpaul_ai · 2026-08-30
• Meta^n 研究：通过递归涌现深度实现 AI 自我改进 — rohanpaul_ai · 2026-08-30
• Meta^n 递归自改进架构：ARC-AGI-2 得分 0.331 — burny_tech · 2026-08-31