Flex-RSI 基准问世：量化前沿智能体的递归自我改进能力
_vztu · x · 2026-11-05
社区研究项目 Flex-RSI 发布，旨在系统测量前沿智能体的递归自我改进（recursive self-improvement）能力：给定下游任务，智能体迭代地改进自己的 harness（包括提示、工具、流程等），观察跨轮次的提升。
- 设计目标：灵活、预算可控、易于实际运行和扩展的基准，附带排行榜
- 任务覆盖面广：机器人操作（RoboDojo/RoboLab/RoboCasa，如叠方块、烧水）、360° 场景主动搜索、单张照片重建房间、图像编辑、3D 目标追踪、视频质量评审、视觉搜索、ARC-AGI-2/3 推理等 20 余项任务
- 报告与代码即将发布
这是将「智能体能否改进自己的工作方式」变成可量化评测的一次尝试。
「漫话AGI」频道最新
- 研究者评 OpenAI 对齐失误：属可修复的误泛化而非核心风险 — JacquesThibs · 2026-11-05
- Sam Altman:为保人类存续「熔掉所有 GPU」?答案是干脆的 yes — DavidSKrueger · 2026-11-05
- Altman「熔掉 GPU」表态引安全圈转发讨论 — DavidSKrueger · 2026-11-05
- 播客访谈:OpenAI 前高管 Aleksander Mądry 谈 AI 军备竞赛 — aleks_madry · 2026-11-05
- 研究者批评 AI 安全圈只盯 CoT 监控，忽视失对齐长期走向 — JacquesThibs · 2026-11-05
- 模型该自己决定思考深度吗?Reddit 热议推理预算控制权归属 — FearOfEleven · 2026-11-05