标签
CoEvo-RSI 引入了一个递归自我改进框架，采用双向历史继承机制，使模型能力与不断演化的 agent 运行框架保持对齐，从而降低"脑-体不匹配"问题。仅通过在拒绝采样的轨迹上进行 SFT（监督微调），该框架便使 Qwen3.5-9B 的表现与更大规模的模型相媲美，并在 agent 基准测试中超越了 DeepSeek-V4-Pro 和 GLM-5.3。
介绍了递归式 Harness 自我改进（RHI），这是一种通过成对反馈迭代优化 AI 智能体提示级别 Harness 规范的方法，能够在多种机器学习研究任务上将性能提升高达 60%，并将推理成本降低高达 60%。