RSIAgent 不改权重自我进化,两项 agent 基准超 GPT-6 Astra
Roger_M_Taylor · x · 2026-09-16
研究团队提出 RSIAgent,一个通过自主探索实现递归自我改进(RSI)的 agent 框架:agent 自主决定探索什么、执行任务、验证结果,并把稳定的「动作-条件-结果」关系沉淀进记忆供后续复用,作者称之为 Scaling Experience。
关键在于底层模型权重完全冻结(基于 Kimi-K3 与 GLM-5.3),仅靠积累经验持续提升:
- OSWorld 2.0(0808 offline):78.98% Partial Score,高于 GPT-6 Astra 的 72.60%
- Agents' Last Exam(Near-term):84.82%,高于 GPT-6 Astra 的 82.26%
结论是:不改权重,agent 也能通过获取、验证、复用自身经验持续变强。
所属事件:RSIAgent 免训练实现递归自我改进(3 条相关)→
「编程与Agent」频道最新
- RAG 面试十大考点:分块、检索指标、幻觉调试与缓存降本 — ashishllm · 2026-09-16
- Grok Bot 一键把 YouTube 讲座转成含公式引用的备考 PDF — tetsuoai · 2026-09-16
- Jev 编程被解读为决策版 MapReduce：并行提问互不感知 — cocktailpeanut · 2026-09-16
- 扫描 53 个 MCP server：36% 评级 D/F，通病是权限过大 — BrilliantSecret143 · 2026-09-16
- Claude Code 自动模式暗藏第二个安全分类器模型，用户抱怨 Max 档被偷工 — tomekkorbak · 2026-09-16
- LLM 生成可执行 Agent DAG,信任边界怎么画?开发者分享实操防线 — Repulsive_Sugar_5252 · 2026-09-16