no-fine-tuning

作者分享了一个确定性学习框架，它通过将成功的策略提升为持久化的剧本，让多智能体系统在不进行微调或提示词编辑的情况下跨回合改进。在 Mini Amusement Park 基准测试上，奖励从 12,121 提升到 483,019，达到了排行榜第一名。

MOTHRAG是一个多跳RAG系统，仅使用普通API调用即可匹配顶尖GPU依赖系统（HippoRAG 2、CoRAG、NeocorRAG）的性能，无需GPU，无需微调，通过pip install加API密钥即可部署。

Poetiq的Meta-System通过标准API访问进行递归自我改进，无需微调，在LiveCodeBench Pro编码基准测试上取得了新的SOTA结果，超越了GPT 5.5等领先模型。