arXiv cs.AI· Huan Zhang, Mingju Chen, Dongxu Zhou, Can Lv, Sen Cui, Faguo Wu, Shiji Zhou·· 2 天前AI 评分35
RSIFlow：带进化元智能体的自适应自我改进工作流
RSIFlow: Adaptive Self-Improvement Workflows with an Evolving Meta-Agent
AI 导读
RSIFlow 是一个递归自我改进框架，将自适应工作流编排与元智能体能力进化相结合，通过任务-智能体轨迹和环境反馈诊断性能瓶颈，动态选择组件级改进工作流。元智能体将工作流结果蒸馏为组件级技能与跨组件原则，进化自身 harness 以优化后续编排。在六个基准和两个骨干模型上，RSIFlow 在所有基准上取得 SOTA 平均性能，消融实验验证了自适应编排与元 harness 进化的贡献，代码已开源。
正文 · AI 翻译
摘要：大语言模型（LLM）智能体在代码生成、工具使用和多跳问答等复杂任务中展现出强大能力。现有的自我改进方法通过模型优化、harness 演化和可执行产物精炼来提升智能体性能，而递归自我改进（RSI）进一步将优化扩展到改进机制本身。然而，如何使自我改进工作流适应不断变化的性能瓶颈，同时通过执行反馈改进工作流编排，仍是一个关键挑战。我们提出 \textbf{RSIFlow}，一个\textbf{递}归\textbf{自}我\textbf{改}进框架，将自适应工\textbf{作流}编排与元智能体能力演化相结合。RSIFlow 从任务-智能体轨迹和环境反馈中诊断性能瓶颈，以动态选择组件特定的改进工作流。随后，元智能体将工作流结果提炼为组件特定技能和跨组件原则，演化自身的 harness 以改进后续工作流编排。在六个基准和两个骨干模型上的实验表明，RSIFlow 在所有基准上均达到 SOTA 平均性能。消融研究进一步证明了自适应工作流编排和元 harness 演化的贡献。代码见 this https URL。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.21791 [cs.AI] |
| （或 arXiv:2610.21791v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21791 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Huan Zhang [查看邮箱]
[v1]
2026年10月15日星期四 12:45:08 UTC（1,888 KB）
来源：arXiv cs.AI · arxiv.org