Hugging Face Daily Papers·· 28 天前精选AI 评分78
R^2Orch:基于技能内化循环中自博弈的智能体编排递归自改进
R^2Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
AI 导读
针对智能体编排学习中依赖人工设计课程、优势坍塌及评估信号噪声等挑战,论文提出 R^2Orch 新范式。该方法包含两个循环:内环通过自博弈在自选任务上优化编排器,外环优化内环的改进方式。研究引入递归可学性目标以奖励能产生多样化结果的任务选择,并提出技能撤出机制,当自博弈评估显示无需某项技能时将其移除。实验表明该范式在问答、数学、代码及交互任务上均优于基线。
推荐理由
提出 R^2Orch 范式,通过技能内化循环与递归自博弈解决编排学习中的课程设计与评估信号噪声问题。
来源:Hugging Face Daily Papers · arxiv.org