Recursa：可递归自我改进的基础模型系统

论文提出无需外部监督的递归自我改进系统 Recursa

资讯摘要

论文提出 Recursa，一种无需人类专家或更强教师模型、通过从自身经验学习来适应新领域的基础模型系统。它用知识库存储领域技能、应用指令、任务记忆与反思，先从领域材料引导构建，再经递归自我改进，由并行学习器执行任务并合成局部改进，经校验后合并入库。作者报告在 Harvey LAB 的 Firm Knowledge 基准上，配合 DeepSeek-V4.1-Flash 将留出测试任务全通过率从 30.0% 提至 55.0%，配合 Qwen3.8-Flash 从 35.0% 提至 46.0%。

要点速读

1. Recursa 通过知识库存储领域技能、应用指令、任务记忆与反思，不依赖人类专家或更强教师模型。
2. 系统从领域材料引导构建知识库，再由并行学习器执行任务、合成局部改进，校验后合并入库。
3. 作者报告在 Harvey LAB 的 Firm Knowledge 基准上，DeepSeek-V4.1-Flash 全通过率由 30.0% 升至 55.0%，Qwen3.8-Flash 由 35.0% 升至 46.0%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。