arXiv · cs.AI· Renxiong Wang, Darvin Yi, Abril Herrlein, Anas Mahmoud, Advait Gosai, Lisiman Hua, MohammadHossein Rezaei, Xingang Guo, Anisha Gunjal, Utkarsh Tyagi, David J. Lee, Minglai Yang, Haris Riaz, Chenguang Wang, Huaxiu Yao, Daniel Yue Zhang, Aakash Sabharwal, Tong Zhao, Yunzhong He·· 1 天前
RSI-Forge 将研究论文转化为递归自我改进环境
RSI-Forge: From Research Papers to Environments for Recursive Self-Improvement
arXiv:2610.09426v1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：Renxiong Wang, Darvin Yi, Abril Herrlein, Anas Mahmoud, Advait Gosai, Lisiman Hua, MohammadHossein Rezaei, Xingang Guo, Anisha Gunjal, Utkarsh Tyagi, David J. Lee, Minglai Yang, Haris Riaz, Chenguang Wang, Huaxiu Yao, Daniel Yue Zhang, Aakash Sabharwal, Tong Zhao, Yunzhong He
首次提交：2026-10-07 12:27
研究任务与主要进展
基于论文摘要，RSI-Forge通过三个协作 Agent 将已发表论文构建为带自动评估器的可执行环境，并独立复现论文方法建立基线；作者在18个领域构建了210个环境，其中90个由独立领域专家评审。该系统在120个环境上评估4个模型连续3次尝试，固定模型权重并继承代码与记录；至少一个模型在84%的环境中首次尝试后改进，并在120个环境中的68个超过复现的论文方法基线。
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