arXiv cs.AI· Mingda Zhang, Yun Huang, Qiang Huang, Yanjin Li, Rui Qian, Qichao Zhao, Tiesunlong Shen, Na Zhao, Jian Wang, Xiaoying Tang·· 15 天前AI 评分40
R$^2$Orch：通过技能内化循环中的自我博弈实现智能体编排递归自我提升
R$^2$Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
AI 导读
研究者提出递归自我博弈编排范式 R$^2$Orch，通过内层自我博弈循环提升编排器在自选任务上的表现，并利用外层循环优化内层的提升机制。该方法引入递归可学习性训练目标，结合技能收回机制将失败蒸馏为技能、再将技能蒸馏进模型参数，推动编排器迈向零技能部署。在 12 个数据集上的实验显示，R$^2$Orch 在问答、数学、代码和交互式任务中均优于基线。
来源：arXiv cs.AI · arxiv.org