论文提出SpecRSI推测式递归自改进Agent方法

Zhouchen Lin等人在arXiv提交论文，提出SpecRSI（Speculative Recursive Self-Improvement）方法：在前一版本Agent完成评估前先起草可执行的后继版本，但采用前仍要求完整验证。其中VATS负责在继续编辑与待完成检查之间分配预算，GVO在保持真实评估器固定的同时从已完成搜索中学习改进器。 论文声称的主要结果：主科学对比中终端增益超过Janus 33.3%–40.0%；编码验证成功率达69.4%，对比HGM的64.3%，且目标成本指数低20.8%。以上数字为论文摘要声称，基于论文摘要，未经独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。