arXiv · cs.AI · Bangrui Xu, Jie Yang, Sidi Chen, Xuanhe Zhou, Jiantao Qiu, Qianyu Yang, Zijie Wang, Fan Wu, Zhoufutu Wen · 10 小时前模型评分41
SelfImprove-Bench：评估自我改进智能体的泛化能力
SelfImprove-Bench: Evaluating Generalization in Self-Improving Agents
导读
研究者提出 SelfImprove-Bench，一个用于评估递归自我改进（RSI，Recursively Self-Improving）系统的框架，将任务按探索、规划、推理三类能力组织，并用 G0 到 G4 的泛化阶梯衡量能力提升能迁移到多远。实验显示现有 RSI 方法在不同泛化层级上的进化收益并不一致，说明此前的评测难以区分真实能力提升与场景拟合。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To this end, we propose SelfImprove-Bench,an RSI evaluation framework that organizes tasks into three primary capabilities (i.e., Exploring, Planning, Reasoning) as scenarios for guiding model evolution.”
来源：arXiv · cs.AI · arxiv.org