arXiv cs.CL· Qianru Meng, Xi Zhang, Konstantinos Papakostas, Congfeng Cao, Wenxiang Hu, Tianyi Lu, Xiao Zhang, Lun Zhou, Zaiqiao Meng, Zhaochun Ren, Xiaohui Yan, Yougang Lyu·· 3 天前AI 评分39
SwarmRSI：通过演化科学智能体集群实现递归自我改进
SwarmRSI: Recursive Self-Improvement through Evolving Scientific Agent Swarm
AI 导读
SwarmRSI 框架通过演化科学智能体集群实现递归自我改进，在 OpenProblems、NatureBench 和 MLE-Bench Lite 上取得 SOTA 表现。
正文 · AI 翻译
作者：Qianru Meng、Xi Zhang、Konstantinos Papakostas、Congfeng Cao、Wenxiang Hu、Tianyi Lu、Xiao Zhang、Lun Zhou、Zaiqiao Meng、Zhaochun Ren、Xiaohui Yan、Yougang Lyu
摘要：科学研究中的递归自我改进（RSI）旨在通过智能体自身的实验经验来提升其研究能力。科学智能体集群可以结合来自不同研究方向证据和实现，以指导其智能体后续的实验。然而，糟糕的实验结果可能使人难以判断应当修改假设还是其实现，而整体程序得分可能掩盖对其他智能体有用的组件。为应对这些挑战，我们提出了 SwarmRSI，一个通过演化科学智能体集群来实现递归自我改进的框架。我们设计了反馈引导的集群变异，利用来自其他智能体的实验反馈来改进假设及其实现。我们还提出了互补集群重组，以复用智能体之间保留的假设和互补的程序组件，使部分结果能够支持新的研究。递归集群演化将这两种机制整合到一个反馈循环中，利用新的实验证据来指导后续研究。在 OpenProblems、NatureBench 和 MLE-Bench Lite 上的实验证明了 SwarmRSI 的最先进（SOTA）性能。进一步评估表明，积累的研究经验能够提升在留出任务上的表现。生物学家也复现了其程序以进行后续生物学分析。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.20431 [cs.AI] |
| （或 arXiv:2610.20431v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20431 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yougang Lyu [查看电子邮件]
[v1]
2026年10月14日星期三 16:21:45 UTC（3,961 KB）
来源：arXiv cs.CL · arxiv.org