自我改进 LLM-DailyDigest 2026-08-20 2026-08-20 约 100 字 预计阅读 1 分钟 自我改进 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 世界模型 4 基于世界模型预测路径的自改进智能体 10-22 EVO-WAM：世界动作模型从自我想象中迭代进化 10-20 RoboCoach：世界模型主动指导组合式机器人技能改进 10-01 Motus 2发布：世界模型驱动灵巧操作自进化 09-13 产业知识图谱 1 RSI产业图谱：围绕智能进化速度的新竞赛 08-28 任务采样 1 Task-CoEvolve：自适应验证任务驱动的高效 Harness 优化 08-21 偏好优化 1 RubricOpt：用于偏好优化的语义准则自修订框架 10-22 元认知 1 Imprint Reader：从权重更新解读到行为干预 09-30 博弈评测 1 AAArena：评估智能体在长期博弈竞赛中的启发式学习 10-09 反馈协同演化 1 CAFE：搜索智能体与反馈批评器协同进化 08-26 在策略蒸馏 2 策略内自训练：无数据监督的语言模型自我改进 10-27 MoEvolve：通过在策略双向蒸馏增强 MoE 模型 10-19 在线演化 1 Continual Harness：智能体脚手架的在线持续进化 08-25 在线自我改进 1 PILOT：长时域智能体的实时闭环自我改进 08-29 基础设施评测 1 Φ-Bench：大模型基础设施工程能力评测 08-24 多智能体系统 1 迭代自精炼的 NL2SQL 多智能体框架 10-19 容量规划 1 自我精炼流水线中的非对称模型容量分配 08-24 强化学习 2 MiMo-V2.6：规模化强化学习推动模型自我改进 10-09 强化学习发现突破 N^{4/3} 界的 Shellsort 间隔序列 09-25 技能优化 1 RESKILL：交互式语言智能体的显式故障归因与结构化技能修复 09-15 技能演化 5 RAX：在线探索扩展驱动机器人持续自我改进 10-26 CDSE：面向自改进智能体的认知分化技能演化 10-19 自改进智能体自主扩展 DSL，实现无预言机精确问答 10-18 WikiSkill：将智能体经验编译为持久知识以持续演化技能 09-03 SkillEvo：以多轮交互反馈持续演化智能体技能 08-16 持续学习 1 广义残差闭包：兼顾稳定性与可塑性的学习动力学 10-01 提示优化 1 朴素提示优化：复杂 Prompt 搜索并非必要 08-28 数据合成 2 ToolLoop：动态自反馈的闭环工具使用数据合成框架 09-09 DataFoundry：递归自改进的数据生产流程 09-02 数据策展 1 GEPA-Curator：面向自改进智能体的经验策展学习 10-29 智能体应用 1 从 OpenClaw 迁移到 Hermes Agent：安装与自进化机制指南 08-25 智能体框架 1 Prime Agent 开源自我改进智能体框架 08-11 智能体自进化 1 BEHAVE：功能行为建模驱动硬件智能体自我改进 09-30 智能体评测 1 SelfSuite：长程智能体的自设计评估器与热启动记忆 09-29 机制发现 1 Mechanist：自主发现 AI 智能机制的科学智能体 08-14 框架演化 1 Evo-Bench：首个 Agent Harness 进化能力评测 08-24 模型发布 1 小米开源全模态模型 MiMo-V2.6，以大规模 RL 探索 RSI 09-23 测试时优化 2 EMO：交替上下文优化与 Logits 引导的闭环测试时计算框架 10-18 序列测试时扩展中的探索与吸引子逃逸 10-01 测试时训练 2 TTPO：无标签测试时策略优化实现自进化 10-27 Agentic-TTT：学习测试时训练策略，实现自主参数级改进 10-09 游戏生成 1 Recursive Game Creator：面向产品体验的递归游戏开发框架 10-09 演化能力评测 2 ASPIRE：模型能否从模糊目标中自我演化？ 09-01 S3Gym：LLM 能否通过自测试与自评判实现自我改进 09-01 环境自博弈 1 SPADE：自适应可执行环境中的自博弈 08-20 科研智能体 1 SAIL：基于科学感知闭环的科研智能体模型 10-10 科研自进化 1 Jeff Dean谈递归自我改进与Discovery Loop科研自动化 08-22 科研评测 1 AutoSciRub：先评估后改进的科研智能体自动准则归纳 09-01 程序修复 1 WebWorld：以浏览器世界模型驱动 Web 代码自我改进 09-01 策略优化 1 Teach to Learn：提示退火驱动 LLM 推理自我改进 09-30 策略固化 1 AI 后训练缺少什么：智能体策略重估能力的实证分析 08-20 算法设计 1 AI4AI-Bench：评测 LLM 智能体的递归自改进算法设计能力 08-21 经验学习 2 MetaExp：通过跨任务环境扩展学习经验驱动的自我改进 10-18 经验链：通过测试时交互持续改进 LLM 08-19 经验授权 1 BCIT：自主后训练中的条件化经验迁移 08-29 能力迁移 1 AI4AI 测试时强弱模型能力迁移：用 Harness 提升小模型表现 08-14 脚手架优化 1 Turbo Harness：实例自适应脚手架优化 10-01 脚手架演化 6 RuHarness：评判准则与智能体脚手架协同演化 10-29 字节 Seed HarnessDev：让 Agent 自主编写并迭代 Harness 09-07 HarnessDev：LLM 自主创建与演化 Agent Harness 09-03 Harness 自进化全景：三种范式与六个系统 08-28 Self-Harness 更新并开源：Agent 自主改进执行框架 08-26 HSI：面向任务专属可进化智能体脚手架的层级自我改进 08-22 自动化对齐 2 持续宪法大会：模型迭代改写自身规范呈现对齐分化 10-18 Claude 自动训练 Claude：AAR 低成本跑赢人类安全研究员 08-30 自我改进 5 MiMo-V2.6：扩展强化学习计算迈向模型自我改进 10-18 回望式分层规划：通过事后提炼思路训练推理模型 10-09 FlowBalance：基于验证器校准策略内经验的推理模型自我改进 09-09 在策略蒸馏真的在蒸馏吗？从噪声教师到自我改进 09-01 现代智能体自我改进：从模型更新到脚手架演化 08-20 自蒸馏 3 几何修改输出提升生成模型自训练 09-30 负向自蒸馏：通过规避缺陷学习推理 09-11 RISE：基于自外推策略蒸馏的递归改进 09-07 记忆演化 1 Recuris：面向长程智能体脚手架的递归经验—工作记忆演化 08-26 评测审计 1 Phantom Gains：用实测零基线审计模型自我改进 08-21 课程发布 1 斯坦福 CS329A：自改进 AI Agent 课程公开 08-26 课程学习研究综述 1 斯坦福新课 CS329A：Self-Improving AI Agents 08-21 课程生成 1 Ornith-1.5自生成任务闭环提升编码智能体 08-27 递归自我改进 24 递归自我改进：当 AI 开始进化 AI 10-29 2027年RSI或引发超级智能失控风险 10-29 RSI 递归之桥：自我改进的验证机制与工程边界 10-27 AREX-2以长程反思训练探索递归自我改进 10-27 Skill∞：面向智能体技能优化的递归自我改进 10-27 迈向物理人工智能的递归自我改进 10-22 Memento 3以可执行世界模型实现递归自我改进 10-18 Anthropic 联创将递归自我改进预期提前至 2027 年 10-18 自我改进问题：自动更新门控的可计算性边界 10-18 COEVO：上下文与参数协同演化的递归自我改进 09-29 RRSI：正则化智能体脚手架的递归自我改进 09-22 Self-Developing Agents 三项基准揭示智能体自进化瓶颈 09-17 一篇讲清 RSI 的原理、路线与进展 09-16 《人类建造的最后一个AI》：RSI五级框架与HCI诊断 09-15 最新 RSI 综述：AI 如何真正实现递归自我改进 09-15 Google DeepMind RSI 模型传闻与迭代信号 09-14 爆料称谷歌 DeepMind 接近实现 RSI，OpenAI 模型疑似降质 09-13 传 Google DeepMind 以 RSI 推动 Gemini 4 自主迭代 09-13 迈向真正的递归自我改进：人类构建的最后一个 AI 09-11 前Anthropic研究员辞职警示自我改进AI灭绝风险 09-10 MetaRSI-v1：统一元递归自我改进架构 09-09 AI4AI Survey：从长程智能体到递归自我改进 09-07 Meta^n：通过涌现深度实现递归自我改进 08-31 Meta^n：以涌现深度实现递归式自我改进 08-27 金融问答 1 Self-Improving RAG：面向专家级金融问答的自纠错框架 08-29 长期记忆 2 SAGE：面向数据稀缺 NPU 算子合成的采纳感知记忆学习 09-30 Meta“组织第二大脑”智能体设计：可审计知识与自改进闭环 09-25 闭环自进化 3 F4R：失败驱动的机器人持续自我改进框架 09-30 Meta“组织第二大脑”智能体：结构化知识与自改进闭环 09-24 EvoMap：以经验流转构建系统级 RSI 闭环 09-03
