论文页面 - RSIHub：一个可组合的智能体进化方法框架

来源：https://huggingface.co/papers/2610.32253 作者：

,

,

,

,

,

,

,

,

,

,

摘要

RSIHub 是一个开源框架，通过为构建、比较和扩展智能体进化方法提供共享的基础设施、可复用组件以及一致的评估标准，实现了该领域研究的标准化。

智能体进化（Agent-evolution，https://huggingface.co/papers?q=Agent-evolution）方法利用执行反馈（execution feedback，https://huggingface.co/papers?q=execution%20feedback）来改进提示（prompts，https://huggingface.co/papers?q=prompts）、技能（skills，https://huggingface.co/papers?q=skills）、工具（tools，https://huggingface.co/papers?q=tools）和编排（orchestration，https://huggingface.co/papers?q=orchestration），但它们的实现往往在重复构建相同的实验机制。我们提出了 RSIHub（https://huggingface.co/papers?q=RSIHub）——一个用于在共享基础设施上构建、比较和扩展这些方法的开源框架。配方（Recipes，https://huggingface.co/papers?q=Recipes）由可复用的算子（operators，https://huggingface.co/papers?q=operators）组合而成，并声明可变资源（mutable resources，https://huggingface.co/papers?q=mutable%20resources）；RSIHub（https://huggingface.co/papers?q=RSIHub）提供执行、评估、恢复和血缘追踪（lineage，https://huggingface.co/papers?q=lineage）等能力。研究人员可以专注于进化策略本身，而评估过程保持在可变接口之外，结果始终与候选项及其评估条件相关联。我们在不修改框架核心的情况下实例化了 AHE（https://huggingface.co/papers?q=AHE）、Hyperagents（https://huggingface.co/papers?q=Hyperagents）、A-Evolve（https://huggingface.co/papers?q=A-Evolve）和 GEPA（https://huggingface.co/papers?q=GEPA），将各方法特有的逻辑保留在配方（recipes，https://huggingface.co/papers?q=recipes）和算子（operators，https://huggingface.co/papers?q=operators）中。我们在固定的模型与评估器配置下，使用 MiniSWE（https://huggingface.co/papers?q=MiniSWE）和 Codex（https://huggingface.co/papers?q=Codex）在 Terminal Bench 2（https://huggingface.co/papers?q=Terminal%20Bench%202）和 τ³ Banking 上对它们进行了评估。观察到的最大整体 pass@1（https://huggingface.co/papers?q=pass%401）提升为 13.5 个百分点，但各方法的排名会随设置变化，且优化收益并不总能迁移到留出任务上。RSIHub（https://huggingface.co/papers?q=RSIHub）提供了一套用于比较进化策略的通用协议、可检查的候选历史记录，以及用于开发新方法的可复用组件。

查看 arXiv 页面（https://arxiv.org/abs/2610.32253）查看 PDF（https://arxiv.org/pdf/2610.32253）项目页面（https://simpleagentlab.com/rsihub）GitHub269（https://github.com/simple-agent-lab/RSIHub）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2610.32253）

在你的智能体中获取本文：

hf papers read 2610.32253

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 0

暂无模型关联到本文。

在模型 README.md 中引用 arxiv.org/abs/2610.32253，即可从本页面链接到该模型。

引用本文的数据集 0

暂无数据集关联到本文。

在数据集 README.md 中引用 arxiv.org/abs/2610.32253，即可从本页面链接到该数据集。

引用本文的 Space 0

暂无 Space 关联到本文。

在 Space README.md 中引用 arxiv.org/abs/2610.32253，即可从本页面链接到该 Space。

收录本文的合集 0

暂无合集收录本文。

将本文添加到合集（https://huggingface.co/new-collection），即可从本页面链接到该合集。