论文页面 - Prime Agent：一个自我改进的RLM运行框架

来源：https://huggingface.co/papers/2608.23552 作者：

,

,

,

,

,

,

,

,

,

摘要

Prime Agent 是一个开源框架，它利用递归子代理、持久化计算和代理间协调，来扩展语言模型在编码和推理任务上的长期能力。

语言模型是顺序处理器，但长期的代理行为需要超出模型权重和活动上下文的外部信息和计算。Prime Agent 是一个用于长期评估和编码代理工作流的开源框架。一个持久化的 IPython REPL 遵循递归语言模型（https://huggingface.co/papers?q=Recursive%20Language%20Model）的抽象，用于编程化上下文处理和测试时计算（https://huggingface.co/papers?q=test-time%20compute），而持续运行框架则在轨迹之间保存历史、记忆、技能、提示词和子代理规范。递归子代理（https://huggingface.co/papers?q=subagents）通过直接的代理间通信（https://huggingface.co/papers?q=agent-to-agent%20communication）进行协调，“代理视图”功能允许人类检查和管理基于守护进程的会话（https://huggingface.co/papers?q=daemon-backed%20sessions）。Prime Agent 标准化了执行、恢复、验证和资源记账，同时将策略构建留给模型本身。这个低摩擦、表现力强的屏障防止了框架故障演变为模型故障，并将测量推向模型真正的潜在最大能力。Prime Agent 将 ARC-AGI-3（https://huggingface.co/papers?q=ARC-AGI-3）的 RHAE Best@1 指标从 30% 提升至 95.5%，并在长上下文编码（https://huggingface.co/papers?q=long-context%20coding）、GPU 内核生成（https://huggingface.co/papers?q=GPU-kernel%20generation）、模拟器构建以及自主 nanoGPT（https://huggingface.co/papers?q=nanoGPT）速通挑战中，匹配或超越了原生及流行的框架。在 Factorio 游戏中，我们发现允许持续的优化可以带来技术的持续进步，而专用的子代理（https://huggingface.co/papers?q=subagents）则能实现并行化工作。代码可在 https://github.com/PrimeIntellect-ai/prime-agent 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2608.23552)查看 PDF (https://arxiv.org/pdf/2608.23552)项目页面 (https://www.primeintellect.ai/blog/prime-agent)GitHub 18.2k (https://github.com/PrimeIntellect-ai/prime-agent)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2608.23552)

在您的代理中获取此论文：

hf papers read 2608.23552

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

引用此论文的模型 0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2608.23552 以从此页面链接它。

引用此论文的数据集 0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.23552 以从此页面链接它。

引用此论文的 Space 0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2608.23552 以从此页面链接它。

包含此论文的收藏夹 0

没有收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection) 以从此页面链接它。