Sakana AI 提出 Agent 框架自我改进算法 RHI
SakanaAI · hf · 2026-07-20
在模型与 Agent 框架协同进化的背景下，Sakana AI 提出了递归式框架自我改进。该方法将 Agent 框架视为一种提示词级别的规范，并利用其自身修改历史的成对反馈进行迭代优化。
核心收益：
- 突破性能天花板：仅需几次 RHI 迭代，就能大幅提升低推理成本 Agent 的性能上限，甚至超过开启最大推理成本的设定。
- 大幅降本：可减少高达 60% 的推理成本。
- 机制洞察：这种性能提升并非来源于让模型生成更长的思维链，而是通过优化特定任务的上下文管理，实现了更有效的 Agent 间信息流。
「编程与Agent」频道最新
- 智能体自治别急着放权，先跑波次找摩擦点 — JnBrymn · 2026-07-22
- Coding agents 正走向 AI 写、AI 审、人工批的流程 — aftahi_ai · 2026-07-22
- oMLX 0.5.2 增加菜单栏统计和低比特解码内核 — awnihannun · 2026-07-22
- GitHub 机器人审到上限，PR 还要等 39 分钟 — DanielLockyer · 2026-07-22
- Codex Remote 的 Max 推理强度疑似只在移动端开放 — GabGarrett · 2026-07-22
- 有人用 MCP 做了个 demo，主张商店应把价格和购物车开放给 AI — gelembjuk · 2026-07-22