标签
本文介绍了Dream-RSI，一个用于AI代理可扩展递归自我改进的框架，它使用重放模拟器来优化探索策略，降低发现成本并提高质量。
Google 和 Google DeepMind 发布了一篇关于 Dream-RSI 的论文，该论文介绍了一种递归自改进的方法，通过让 AI 代理使用重放模拟器优化其探索策略，从而在 GPU 内核优化等任务中实现高效的性能提升。
RSIAgent 是一个无需训练的多智能体框架，它使数字智能体能够通过递归自我改进、自主记忆构建和广度优先然后深度优先的探索来适应新环境，在基准测试中优于闭源模型。
N-GRPO 在 GRPO 框架中引入语义邻居混合，以增强数学推理多样性并保持语义一致性，在数学基准和分布外任务上均取得了提升。
ScreenSearch 引入了一个用于歧义感知桌面探索的系统，结合了结构化屏幕检索与去重技术，以及一个基于 PUCT 的图赌臂算法，用于处理 GUI 代理中的部分可观测性。该系统在 11 个应用中收集了超过 100 万张截图，并展示了探索策略中新颖性与歧义性之间的权衡。