递归式 Harness 自我改进

# 递归式工具自我改进  
来源：https://arxiv.org/abs/2607.15524  
查看 PDF (https://arxiv.org/pdf/2607.15524)  

> **摘要**：在模型-工具协同演化中，工具不仅是在推理时使用的脚手架，更是数据生成组件——其执行轨迹可塑造未来的基础模型。这催生了工具在环学习：优化工具既要提升即时智能体性能，也要改善用于后续模型训练的执行轨迹质量。然而，持续更新供应商构建的工具成本高昂且劳动密集。因此，我们研究是否可以通过任务特定的方式优化用户构建的工具，在仅需少量更新迭代且计算轻量的前提下，提升执行轨迹质量。为此，我们提出递归式工具自我改进（RHI），该方案将工具表示为智能体循环的提示级规范，并利用自身修订历史中的成对反馈进行迭代优化。在涵盖量化金融、机器人学和药学在内的30个合成机器学习研究任务中，仅需几次RHI迭代即可显著提升低推理难度智能体的性能天花板，超越对应的最高推理难度设置，同时将推理成本降低高达60%。我们证明，这些提升主要源于通过更有效的智能体间信息流所实现的改进的任务特定上下文管理，而非更长的推理轨迹。最后，我们将这一行为形式化为RHI隐含优化目标的信息论假设，表明RHI可作为模型-工具协同演化范式中持续学习的实用算法。

## 提交历史  

来自：Hyunin Lee [查看电子邮件 (https://arxiv.org/show-email/97dc9d73/2607.15524)]  
**[v1]** 2026年7月17日，星期五，00:21:19 UTC（2,357 KB）