arXiv cs.CL· Junyi Zou, Avrova Donz·· 3 天前AI 评分26
MMLA-RSI：通过 RTT 与 RTMA 实现递归自我改进
MMLA-RSI: Recursive Self-Improvement through RTT and RTMA
AI 导读
MMLA-RSI 提出 Reasoning-Time Training（RTT）与 Reasoning-Time Memory Adaptation（RTMA）两条递归自我改进路径，分别改变策略状态 Φ 与权威记忆 M，并让各自的适应方法本身成为改进对象。
正文 · AI 翻译
摘要：智能体可以通过改变其行为方式以及保留哪些经验，在未解决的问题中改进自身行为。我们提出 MMLA-RSI，一种递归自我改进方案，在记忆中介学习架构中有两种实现：推理时训练（RTT）改变策略状态 $\Phi$，而推理时记忆适应（RTMA）改变权威记忆 $M$。每条路径还将其适应方法本身作为改进对象。当前的数值更新器训练提出其后继者的策略；当前的记忆管理器选择可供提出其后继者的过程使用的记录。一个被独立接纳的后继者在下一代中接管同一角色。我们给出有界可执行规则语言、共享的任务/提议接口，以及适用于任一途径或其组合的一种算法。RTT 实例在裁剪动量更新中改变标量调度。RTMA 实例选择 NULL 或可能带驱逐的完整行写入。固定的解释器、受信任的提交者和独立的评估者限定了可改变的内容。状态版本、读取闭包和条件属性描述了因果执行、被接受的转换和有限工作量。现有的数值组件研究为这一构造提供了动机。在四候选程序选择中，保留 LARC 反馈更新使两个训练初始化的预期误差分别降低 24.65 和 36.65 个百分点。在按时间顺序的持续集成回放中，反馈绑定为正，而保留会增加损失。已完成的 SQL 研究相比未适应的基底有显著改进，但未能确立所需的额外在线收益。这些结果刻画了其声明的组件。此处规定了两种递归路径及其联合实现；它们有益的递归链和发现效率仍有待评估。
| 评论： | 技术报告。24 页，5 幅图，12 张表 |
| 主题： | 计算与语言（cs.CL）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.20294 [cs.CL] |
| （或 arXiv:2610.20294v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20294 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Junyi Zou [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 14:47:50 UTC（356 KB）
来源：arXiv cs.CL · arxiv.org