כתבה
arXiv cs.CL ·
RSIAgent: חקירה אוטונומית לשיפור עצמי רציפי בסביבות חדשות
RSIAgent: Autonomous Exploration for Recursive Self-improvement in New Environments
RSIAgent היא תשתית רב-אגנטים חינם לשיפור עצמי רציפי, המאפשרת לאגנטים לחקור סביבות חדשות ולשפר את עצמם. התשתית משתמשת בשיטת חקירה אוטונומית ובשיטת חקירה רציפה עצמית. RSIAgent יכולה לשפר את הביצועים של מודלים חזקים כמו Kimi-K3 ו-GLM-5.3.
תקציר מקורי באנגליתarXiv:2609.15364v1 Announce Type: cross Abstract: Digital agents must often adapt to new environments whose interfaces, tools, and failure modes are not fully captured by pretrained models. We introduce \textbf{RSIAgent}, a training-free multi-agent framework for recursive self-improvement through autonomous memory construction. RSIAgent coordinates curriculum, actor, and verifier agents to continually explore the environment, validate outcomes, and retain environment-specific knowledge, including reusable causal relationships between actions, conditions, and consequences. It further adopts a \textbf{broad-then-deep} exploration strategy, combining parallel broad recursive self-exploration for discovering diverse environment structures with focused deep self-exploration for uncovering hard
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית