arXiv · cs.AI· Mingda Zhang, Yun Huang, Qiang Huang, Yanjin Li, Rui Qian, Qichao Zhao, Tiesunlong Shen, Na Zhao, Jian Wang, Xiaoying Tang·· 6 小时前
R²Orch通过自博弈与技能内化循环实现智能体编排的递归自我改进
R$^2$Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
arXiv:2610.22740v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mingda Zhang, Yun Huang, Qiang Huang, Yanjin Li, Rui Qian, Qichao Zhao, Tiesunlong Shen, Na Zhao, Jian Wang, Xiaoying Tang
研究任务与主要进展
研究作者提出R²Orch，一种由自博弈内循环和技能撤回外循环组成的递归自我改进编排范式，并用递归可学习性目标和技能撤回机制缓解任务结果同质化与技能评估噪声。基于论文摘要，作者报告其在问答、数学、代码和交互任务等12个数据集上相较基线持续取得更优结果；具体实验细节尚未提供。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org