arXiv · cs.RO· Jingdong Zhang·· 3 天前精选AI 评分70
Flex-RSI: 前沿智能体递归自我改进评测基准
Flex-RSI: Benchmarking Recursive Self-Improvement of Frontier Agents
AI 导读
Jingdong Zhang 等人提出 Flex-RSI 评测基准，用于评估智能体在视觉和机器人任务中的递归自我改进能力。该基准在固定预算下，让执行器改进任务解决方案，改进器则修订包括执行器在内的工具链。研究发现，智能体自主构建解决方案时自我改进效果最佳，仅记录成功或失败的反馈会限制开放模型表现，开放模型在需要物理稳定性或精确正确性的输出上差距最大。
推荐理由
固定预算下让智能体自我改进的评测基准揭示了开放模型在物理稳定性任务上的短板，反馈记录方式影响改进效果。
来源：arXiv · cs.RO · arxiv.org