arXiv · cs.AI· Wenhao Zhou, Jiajun Song, Haitao Wang, Zipeng Qiu, Yingqi Peng, Ruida Xu, Jiale Li, Wenshuang Li, Shusheng Xu, Wei Dong, Hao Dai, Tongkai Yang, Yi Gao, Binhang Yuan·· 11 小时前
AReaL-RSI：递归自我改进的自适应扩展与协作框架
AReaL-RSI: Adaptive Scaling and Coordination of Recursive Self-Improvement
arXiv:2610.18083v1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：Wenhao Zhou, Jiajun Song, Haitao Wang, Zipeng Qiu, Yingqi Peng, Ruida Xu, Jiale Li, Wenshuang Li, Shusheng Xu, Wei Dong, Hao Dai, Tongkai Yang, Yi Gao, Binhang Yuan
研究任务与主要进展
研究者提出AReaL-RSI，在不更新骨干大语言模型权重的情况下，通过领导者代理、差异化记忆共享和基于证据的复盘组织持续研究团队。基于论文摘要，在报告的资源配置下，该框架使用两个骨干模型时使Terminal Bench成绩提高2.2个百分点，使KernelBench平均加速提高32.2%至36.8%；相较独立探索和仅共享经验的方案，内核延迟分别降低1.9%至27.5%和1.3%至33.9%。
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