arXiv cs.AI· Leijun Zhou, Yanke Yu, Zhihao Liu, Qu Xiang, Tiancheng Hu, Yiru Dong, Yihan Wu, Yangxi Xiang, Xuejun Wu, Xi Chen, Buyue Qian, Yaowei Zheng, Junhao Hu·· 3 天前AI 评分22
从现有方法到新研究思路：递归自我改进的两个视角
From Existing Methods to New Research Ideas: Two Perspectives on Recursive Self-Improvement
AI 导读
一篇 arXiv 综述从两个视角梳理递归自我改进（RSI）研究：一是提出涵盖更新目标、更新组织、更新调度与范围、反馈与选择四组共九个设计维度的统一分类法，将现有方法置于同一设计空间；二是分析现有 RSI 方法如何借鉴优化、正则化、数据增强、持续学习与对抗学习等传统深度学习机制，并结合进化计算拓展新思路。文章还回顾了在线、离线及离线转在线三种设定下的自我改进评测基准。
正文 · AI 翻译
作者：Leijun Zhou、Yanke Yu、Zhihao Liu、Qu Xiang、Tiancheng Hu、Yiru Dong、Yihan Wu、Yangxi Xiang、Xuejun Wu、Xi Chen、Buyue Qian、Yaowei Zheng、Junhao Hu
摘要：递归自我改进（RSI）为 AI 系统参与自身持续发展提供了一条路径。近期方法使语言智能体能够保留对其参数、记忆、技能和代码的更改，以供后续执行和改进。我们通过两个互补视角考察这些方法如何启发新的研究思路。首先，我们提出一个统一的分类体系，包含九个设计维度，分为四组：更新目标、更新组织、更新调度与范围、反馈与选择。该分类体系将现有方法置于一个共享的设计空间中，在此考察各个维度及其相互作用可以激发新的研究思路。其次，我们考察现有 RSI 方法如何借鉴传统深度学习，例如通过优化、正则化、数据增强、持续学习和对抗学习。我们通过考察更具体的学习机制并借鉴进化计算来进一步发展思路。我们还回顾了现有基准如何在在线、离线和离线到在线设置下评估自我改进。这些视角共同帮助研究人员从现有设计和学习机制中发展出新的 RSI 研究思路。RSI 论文和资源可在 此 https URL 获取。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.14625 [cs.AI] |
| （或 arXiv:2610.14625v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14625 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Junhao Hu [查看电子邮件]
[v1]
2026年10月10日星期六 06:19:13 UTC（5,144 KB）
来源：arXiv cs.AI · arxiv.org