כתבה
arXiv cs.CL ·
חיפוש עצמי: חיפוש ללא תגמול עבור סוכנים משתפרים
SelfSearch: Reward-Free Search for Self-Improving Agents
SelfSearch הוא אלגוריתם חדש שמאפשר לסוכנים לשפר את עצמם ללא תגמול. האלגוריתם משתמש ברשומות של ניסיונות עבר לשיפור עצמי, ומאפשר לסוכנים להגיע להישגים טובים יותר במשימות שונות. האלגוריתם נבדק על פלטפורמות שונות, כולל DeepSeek V4 Flash, והראה תוצאות מבטיחות.
תקציר מקורי באנגליתarXiv:2609.37968v1 Announce Type: cross Abstract: Advances in the coding capabilities of LLM agents allow them to inspect and modify their own instructions, tools, and execution procedures. Existing approaches use this ability to search for improved agents through repeated downstream evaluation, which incurs substantial costs and ties the search to the evaluated tasks. We introduce \textbf{SelfSearch}, a reward-free search procedure in which agents modify themselves using records of previous self-improvement episodes. These records capture the reasoning, tool actions, and outcomes of earlier modification attempts, providing concrete experience for improving both task solving and self-modification. Without downstream reward signals during search, SelfSearch improves population-mean success
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית