论文页面 - CoEvo-RSI：当执行框架不断演化，哪些模型应当跟进？

来源：https://huggingface.co/papers/2610.25078

摘要

CoEvo-RSI 通过双向历史继承来对齐模型能力与不断演化的执行框架（harness）需求，从而减少递归自我改进智能体中的“脑-体“不匹配问题，并通过监督微调取得了优异结果。

模型与执行框架的协同演化已成为递归自我改进（RSI）智能体的一个重要范式，即联合演化其执行骨架和内在能力。我们研究了该范式中长期存在却常被忽视的“脑-体“不匹配问题——不断演化的执行框架（身体）提出了其模型（大脑）尚未学会的行为，或限制了模型已有的能力。我们提出 CoEvo-RSI，一个通过智能体驱动的双向历史继承（https://huggingface.co/papers?q=bidirectional%20historical%20inheritance）来推进模型-执行框架协同演化的 RSI 框架。基于共享的进化档案和执行反馈，一个元智能体（https://huggingface.co/papers?q=meta-agent）协调执行框架的设计（参考历史设计）以及模型检查点的选择或合并，随后在所选执行框架下进行适配训练，使继承的能力与不断演化的执行需求对齐，从而减少“脑-体“不匹配。仅使用监督微调（https://huggingface.co/papers?q=supervised%20fine-tuning）（SFT）在自身拒绝采样轨迹（https://huggingface.co/papers?q=rejection-sampled%20trajectories）上训练，CoEvo-RSI 便使 Qwen3.5-9B 在多种垂直应用领域中具备与更大模型竞争的实力，包括多智能体故障归因、角色感知的文本转 SQL（text-to-SQL）以及智能家居指令跟随。在 TraceElephant 上，它以 +14.16 的智能体准确率超越 DeepSeek-V4-Pro；在 HomeBench VM 上，它以 +4.90 的成功率超越 GLM-5.3，凸显了脑-体对齐的必要性，以及双向历史继承（https://huggingface.co/papers?q=bidirectional%20historical%20inheritance）在推进智能体协同演化方面的潜力。

查看 arXiv 页面 (https://arxiv.org/abs/2610.25078) | 查看 PDF (https://arxiv.org/pdf/2610.25078) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.25078)

在你的智能体中获取这篇论文：

hf papers read 2610.25078

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

引用此论文的模型 3

nullptr04/CoEvo-RSI-who-when 图文转文本 • 1.47M • 约1小时前更新 • 43 (https://huggingface.co/nullptr04/CoEvo-RSI-who-when)

nullptr04/CoEvo-RSI-homebench 图文转文本 • 1.47M • 约1小时前更新 • 41 (https://huggingface.co/nullptr04/CoEvo-RSI-homebench)

nullptr04/CoEvo-RSI-rbac 图文转文本 • 9B • 约1小时前更新 • 68 (https://huggingface.co/nullptr04/CoEvo-RSI-rbac)

引用此论文的数据集 0

暂无数据集关联此论文。

在数据集的 README.md 中引用 arxiv.org/abs/2610.25078 以从此页面关联。

引用此论文的 Spaces 0

暂无 Space 关联此论文。

在 Space 的 README.md 中引用 arxiv.org/abs/2610.25078 以从此页面关联。

包含此论文的合集 0

暂无合集包含此论文。

将此论文添加到合集 (https://huggingface.co/new-collection) 以从此页面关联。