arXiv cs.AI· Erfan Darzi, Sree Bhargavi Balija, Sheng He·· 12 小时前AI 评分31
预算受限下的递归自我改进：在代码编辑运行前先打分
Recursive Self-Improvement on a Budget: Scoring Code Edits Before They Run
AI 导读
一种编码智能体在编辑尚未评估前就需决定扩展哪个候选，方法用父代 steering-split 解决率与 diff 的八个坐标拟合线性读出，基于 96 条 scaffold 编辑、每条由 16 实例拟合集上的四次评估标注，随后冻结系数。
正文 · AI 翻译
摘要：一个会重写自身脚手架（scaffold）的编码智能体，必须在某个提议的编辑尚未被评估之前就选择要展开哪一个，随后搜索还必须返回一个智能体。每次运行都在父代的 steering-split 求解率上拟合一个线性读出，并在所提议 diff 的八个坐标上拟合，数据来自 96 个脚手架编辑，这些编辑由 16 个实例的 fit split 上的四次评估标注，然后冻结系数。HumanEval+ 保留 48 个实例作为 steering split，Polyglot 保留 64 个。该 split 对父代打分，并保留一个包含四个节点的存档。Huxley-Gödel Machine 选择通过对已评估节点的 steering 计数进行 Thompson 采样来抽取一个父代，并展开该父代提议的子代。随后每种方法都返回 steering-split 求解计数最大的最早已评估节点。表格报告该节点在另外 100 个 HumanEval+ 实例和另外 145 个 Polyglot 实例上的留出得分，并与根脚手架以及 fit-split 标签最高的校准编辑并列。GPT-4o 的十二次运行在留出 HumanEval+ 上返回的节点达到 87.0%，而 parent-rate 消融为 84.2%。在该 split 上，Huxley-Gödel Machine 选择返回 85.1%，根为 81.2%，校准最佳编辑为 82.8%。在同一 split 上，Claude Sonnet 4.5 返回 86.6%，而 Huxley-Gödel Machine 选择为 86.5%，parent-rate 消融为 85.3%，校准最佳编辑为 85.1%。
| 评论： | 9 页，3 张图 |
| 主题： | 人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.29121 [cs.AI] |
| （或 arXiv:2610.29121v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29121 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Erfan Darzi [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 03:04:25 UTC（158 KB）
来源：arXiv cs.AI · arxiv.org