新基准用 G0–G4 泛化阶梯检验自我改进智能体的收益迁移。
资讯摘要
论文提出 SelfImprove-Bench，一个面向递归自我改进（RSI）系统的评估框架，旨在区分能力提升与场景拟合，并提供可扩展的未见任务协议与改进归因。该框架将任务组织为探索、规划、推理三类能力，以游戏实例化任务，并用任务模板与难度系数生成和编排任务。评估按 G0 至 G4 的泛化阶梯衡量收益迁移程度，实验显示现有 RSI 方法的进化收益在不同泛化层级上并不一致。
要点速读
- 论文提出 SelfImprove-Bench，将任务组织为探索、规划、推理三类能力，并以游戏实例化以保证可控与可复现。
- 框架用任务模板和难度系数支持可扩展的任务生成与编排，并设置 G0 至 G4 泛化阶梯衡量收益迁移。
- 作者报告现有 RSI 方法的进化收益在不同泛化层级上表现不一致。
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 2026/11/4 08:00:28（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。