R²Orch：通过自博弈实现编排器递归自我改进

论文提出 R²Orch 递归自博弈编排框架，并报告在十二个数据集上优于基线。

资讯摘要

论文提出 R²Orch，一种面向智能体编排的递归自博弈范式：内循环通过自博弈在自选任务上改进编排器，外循环改进内循环的改进方式。作者引入 Recursive Learnability 训练目标，奖励 Proposer 选择在技能被撤除后仍产生不同结果的任务，并提出 Skill Withdrawal 机制，在自博弈内受控评估显示撤除某技能后表现不变时将其移除。作者报告在十二个数据集上，该方法在问答、数学、代码和交互任务中均优于基线，代码已公开。

要点速读

1. 论文提出 R²Orch，内循环自博弈改进编排器，外循环改进内循环的改进方式。
2. 提出 Recursive Learnability 目标与 Skill Withdrawal 机制，逐步撤除技能以趋向零技能部署。
3. 作者报告在十二个数据集的问答、数学、代码和交互任务上均优于基线，代码已在 GitHub 公开。

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 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。