伯克利提出 RHI 算法：优化智能体框架，推理成本大降 60%
ceciletamura · x · 2026-08-06
UC Berkeley 等机构的研究者提出了递归框架自我改进（RHI），这是一种在模型-框架协同进化下优化智能体（Agent）框架的新方法。
- 核心机制：RHI 将框架表示为智能体循环的提示级规范，并利用对其自身修订历史的成对反馈进行迭代优化。
- 实验结果：在涵盖定量金融、机器人和药学的 30 个合成 ML 研究任务中，仅需几次 RHI 迭代，就显著提升了低推理努力智能体的性能上限。
- 效率提升：该方法不仅超越了相应的最大推理努力设置，还将推理成本降低了高达 60%。
- 关键洞察：性能的提升主要源于更有效的智能体间信息流和任务特定上下文管理，而非仅仅依赖更长的推理轨迹。
「编程与Agent」频道最新
- Hermes 桌面端集成 Hindsight 记忆服务 — max_paperclips · 2026-08-06
- 多数 AI Agent 实为编排工作流 — aftahi_ai · 2026-08-06
- 开发者吐槽 GPT 5.6 编码失控：生成 30 个文件却写不好基本句子 — obinopaul · 2026-08-06
- LLM工作速度远超人类，自动化工作流成必然 — teortaxesTex · 2026-08-06
- Meta 发布终端 AI 编程智能体 MuseCode — 机器之心 · 2026-08-06
- 长程智能体记忆实战：别让模型自动压缩 — repligate · 2026-08-06