自我改进相关 AI 资讯

8月24日

09:54

官方账号arXiv cs.LG@Varun Giridhar, Anant Khandelwal, Jeremy A. Collins, Ignat Georgiev, Animesh Garg

行为克隆（BC）在机器人操作方面取得了显著进展，但其无法自我改进的局限性限制了其发展。本文提出Q-规划，通过将小型离线策略Q函数与大型视觉运动BC策略相结合，实现了价值引导的动作选择和在线自我改进。在LIBERO和双臂RoboTwin上，10次自我改进将所有基准分数提升（LIBERO-10从93%到99%，RoboTwin从83.8%到91.4%），并缩短了接近上限的套件（LIBERO-Object，LIBERO-Goal）的成功场景。在两个接触丰富的双臂真实机器人任务中，相同的循环（BC冻结，无人工干预）仅通过其自身的部署回放就纯粹提升了40%到90%（堆叠杯子）和25%到80%（插入钱包），而仅对成功回放进行SFT则停滞在55%和30%。在相同的在线预算下，Q-规划是唯一一种在Best-of-N、过滤SFT、IBRL、DSRL和DAWR中稳定地从失败中改进而不需要训练辅助演员的方法。

论文 Q-Planning 机器人策略自我改进

推荐理由：这项研究提出了Q-规划，通过离线策略Q函数与大型视觉运动BC策略的结合，实现了机器人策略的自我改进，显著提升了机器人操作的性能，值得一试。

原文

8月9日

13:59

量子位@闻乐

数据层RSI是中国团队提出的一种让AI自我生成训练数据的机制。在题库追不上模型能力时，AI可以通过数据层RSI给自己出题。团队于2026年8月对外披露该方案已跑通。目前数据层RSI的细节尚未完全公开，但方向是缓解高质量数据短缺。

AI模型数据层RSI 自我改进数据生成

推荐理由：这团队让AI自己给自己出题，跑通了数据层RSI。以后训练数据不够，或许不用再靠人工攒题了。

原文

8月6日

10:04

官方账号arXiv cs.LG@Jun Nie, Yonggang Zhang, Qianshu Cai, Yiu-ming Cheung, Xinmei Tian, Bo Han

EvolveNet 提出一种协作式 harness 进化框架，把经验提取移到数据端，共享 harness 分发给各数据本地代理各自进化。每个代理只回传程序改编，再由作用域类型和证据引导的程序聚合合并成新共享 harness。在 text-to-SQL、数据科学编码、竞赛编程、软件工程和智能体工作流五项设置中全部获得提升，异质工作负载下收益最大。论文编号为 arXiv:2608.04968v1。

论文 EvolveNet 智能体协作进化

推荐理由：它让不同环境的多个智能体各自进化再合并，本地数据不用集中也能互相借鉴，异质任务下提升最明显。

原文

8月5日

11:00

官方账号arXiv cs.AI@Chunyang Jiang, Pingping Zhang, Yuzhi Zhao, Wenao Ma, Zhijian Hou, Mengyang Wu, Yiyang Cai, Senkang Hu, Sitong Cheng, Chi-Min Chan, Wei Xue, Yike Guo

FISA 框架从模型自身的失败案例中生成增强图像，避免使用与模型短板脱节的通用变换。该方法通过自检验和双重保真过滤，在保持答案正确的同时提升图像复杂度。在视觉问答基准上的实验表明，FISA 能持续改进分布内与分布外性能，并与现有文本自增强方法兼容。其合成样本的数据效率也优于通用图像增强基线。

论文 FISA 多模态大语言模型图像增强

推荐理由：这篇讲FISA，拿模型答错的题来造新训练图，比瞎做增强更准，还能和文本增强一起用。

原文

8月4日

00:17

AK@_akhaliq

这篇论文提出从RLVR到RLSVR的转换方法，用任务变换为开放式LLM生成自验证奖励，从而支持无需外部反馈的自我改进。RLVR原本依赖可验证答案，RLSVR将其扩展至开放式任务，让模型自己产生验证信号。论文已上线Hugging Face，由akhaliq转发推荐。

论文 RLVR RLSVR 自我改进

推荐理由：开放式任务也能用强化学习自我改进了，这篇论文把RLVR升级成RLSVR，不用人工奖励，AI自己验证自己。

原文

7月17日

01:40

elvis@omarsar0

该综述论文（arXiv:2607.13104）系统梳理了自我改进智能体从研究原型到实际部署的进展。它将现代智能体定义为“基础模型+操作脚手架”的组合，并形式化自我改进为一种自我诱导的更新操作符，能对模型或脚手架进行修改。论文涵盖了多种自我改进范式，包括基于反馈循环、经验回放和自动提示优化的方法。

论文智能体自我改进论文

推荐理由：想了解智能体怎么自己变强？这篇综述把自我改进拆解成模型和脚手架两个维度，框架清晰，适合入门和参考。

原文

7月15日

23:52

Jim Fan@DrJimFan

76°

研究团队推出RoboTTT模型，通过测试时训练（TTT）机制，将机器人策略的上下文窗口从不足0.1秒扩展到8000时间步（约5分钟），推理成本保持恒定。该模型在上下文长度上比现有SOTA提升了3个数量级。实验显示，从128到8000时间步，闭环性能持续提升，8K预训练比1K提升62%。RoboTTT支持从人类视频进行一次性上下文学习，并能在执行过程中自我纠正错误。

AI模型 RoboTTT 机器人模型上下文学习

事件专题

推荐理由：机器人模型终于能记住5分钟内的动作了！RoboTTT用TTT方法让机器人从人类视频一次学会新任务，还能边干边自我纠错，性能随上下文增长持续提升。

原文

7月14日

14:33

AI Will@FinanceYF5

Tom Blomfield 在推文中分享了利用 AI 持续优化公司运营的思路。该推文获得 389 次阅读、3 条回复和 3 次书签。他强调通过自动化反馈循环和数据分析实现团队自我迭代。观点聚焦于将 AI 嵌入日常决策流程，而非一次性部署。

技巧 Tom Blomfield 自我改进企业流程

推荐理由：听听 Tom Blomfield 怎么说——他用实际案例讲了怎么把 AI 塞进公司日常流程，让团队自己越跑越快，而不是靠一次上线就完事。

原文

7月9日

10:22

官方账号arXiv cs.AI@Mingguang Chen, Licheng Wang, Bo Qu

精选

该论文调查了2024-2026年间1250篇arXiv论文，沿两个轴分类：系统改进的对象（行为、策略、评估器、研究过程）和循环闭合程度。它将有界自优化（收敛、可评估、已成工业实践）与开放端递归自我改进（RSI）区分开，后者在所有可测维度上受制于基础、崩溃动态和计算约束。论文提出评估器设计空间，将信号从形式验证器（最强）到内在自我评估（最弱）排序，并证明自我改进强度与验证层级相关。失败模式如自确认循环、模型崩溃和多样性崩溃源于违反该层级，而保持人类在环中的“研究方向设定”瓶颈位于该层级顶端。

论文自我改进递归自我改进自我评估

推荐理由：这篇论文把AI自我改进的各种文献梳理得特别清楚，区分了“有界自优化”和真正的“递归自我改进”，还画出了验证强度层级，读完对AI安全风险理解更深。

原文

7月7日

15:55

Lilian Weng@lilianweng

精选

Lilian Weng 发布新博文探讨 AI 自我改进中的 Harness 工程。她指出未来 RSI（递归自我改进）将依赖 Harness 工程向自我改进方向演化。更智能的模型可能使 Harness 更简单，但指定目标和上下文的需求不会消失。博文分析了 Harness 与模型能力的协同进化趋势。

论文 LilianWeng RSI Harness

事件专题

推荐理由：Lilian Weng 分析了 AI 自我改进中 Harness 的作用，指出即使模型变强，设定目标仍不可少，值得一看。

原文

11:07

官方账号arXiv cs.AI@Zefeng Wang, Minxi Yan, Jinhe Bi, Sikuan Yan, Volker Tresp, Yunpu Ma

MetaSkill-Evolve提出双时间尺度框架，使智能体技能改进递归化：任务技能在快循环演化，元技能（分析、检索、分配、提议、进化五组件）在慢循环自我应用。在OfficeQA、SealQA和ALFWorld三个基准测试上，该方法相比无技能基线分别提升+23.54、+16.09和+1.92个点。所有组件共享单一冻结骨干模型，无需额外模型或目标。

论文 MetaSkill-Evolve 智能体自我改进

推荐理由：这篇论文让AI智能体不仅能学技能，还能自动改进改进方法本身，在三个测试集上都有明显提升，挺有意思。

原文

07:27

Amjad Masad@amasad

Replit 通过闭环机制让 agent 自我改进，技术细节由 Michele Catasta 发布。该机制使 Replit 的编程助手在多次迭代中迅速提升性能。具体方法包括利用用户反馈和运行结果自动优化生成代码。目前已有 8500 次查看和 55 个赞。

AI产品 Replit Agent 编程助手

推荐理由：Replit 的 agent 学会了自己改自己，效果提升超快，想了解怎么做到的？可以看看这个技术细节。

原文

7月4日

14:38

官方一手marktechpost@Asif Razzaq

NVIDIA 发布了 ASPIRE 自改进机器人框架，能自动编写并优化机器人控制程序。该框架在 LIBERO-Pro 长任务上实现 31% 零样本成功率，并通过迭代修复将性能提升最多 77 点。ASPIRE 还能将已验证的修复技能蒸馏为可复用的技能库，支持零样本迁移到未见过的长时任务。

AI模型 NVIDIA ASPIRE 机器人

事件专题

推荐理由：NVIDIA 搞了个新框架 ASPIRE，自己写程序自己修，LIBERO-Pro 长任务零样本就 31%，还能再提 77 点，做机器人的可以看看。

原文

04:30

Guillermo Rauch@rauchg

在eve.dev部署到Vercel后，Agent可以自动摄取运行痕迹，通过内建的可观测性反思过去运行。它能识别低效、错误、冗余工具调用，并生成新的提示和技能。Vercel开发者现可通过MCP和CLI使用Agent Runs功能。

技巧 eve.dev Vercel MCP

推荐理由：Vercel教你给Agent加自我改进能力，直接反思运行记录自动优化提示和技能，省得手动调了。

原文

7月2日

08:26

官方账号Latent Space (swyx)@Richard MacManus

Introspection联合创始人Roland Gavrilescu解释了autoresearch概念，这是一种让智能体通过自我反馈循环不断改进的方法。他介绍了智能体“配方”（recipes），将人类编写的模板与自动生成的优化结合。文章强调人类在软件工厂中的核心角色，并展示了自我改进循环如何提升智能体在复杂任务中的表现。

AI模型 autoresearch Introspection 智能体

推荐理由：Introspection分享了autoresearch方法，让AI智能体自己通过反馈循环迭代优化，比手动调参省事多了。

原文

6月29日

07:51

elvis@omarsar0

精选

剑桥大学提出 Red Queen Gödel Machine，通过让智能体与评估器共同进化来解决自我改进停滞问题。传统自改进循环中智能体学会欺骗固定评估器，导致奖励黑客。新方法让评估器的难度随智能体能力提升而增加，保持循环持续有效。论文编号 arxiv.org/abs/2606.26294。

论文 Red Queen Gödel Machine Cambridge 智能体

推荐理由：做智能体自循环的该看看这篇，剑桥让评估器和智能体一起进化，避免奖励黑客，思路很直接。

原文

6月26日

11:39

官方账号arXiv cs.AI@Sangwoo Cho, Kushal Chawla, Pengshan Cai, Zefang Liu, Chenyang Zhu, Shi-Xiong Zhang, Sambit Sahu

BINEVAL将评估标准拆解为原子化的二元问题，由LLM独立回答后聚合为多维可解释分数。在SummEval、Topical-Chat和QAGS三个基准上，BINEVAL匹配或超越UniEval和G-Eval，尤其擅长事实一致性评估（QAGS上的表现突出）。其问题级反馈可用于迭代优化评估提示和生成提示，在IFBench的自我更新和跨模型更新设置中均有效。该方法无需训练、任务无关，且避免了现有LLM评判器的天花板效应。

论文 BINEVAL LLM评估可解释性

推荐理由：BINEVAL把LLM评估拆成一堆“是/否”问题，结果好理解、易调试，在事实一致性上比UniEval还准，还能自己优化提示词。

原文

6月24日

02:15

官方账号LangChain@LangChainAI

精选

LangChain 发布基于 Deep Agents 的循环工程方法，通过 self-harness 实现智能体自我改进。流程分三步：运行代理并观察失败（弱点挖掘）、提出 harness 改进方案、验证改进有效且无回归。论文见 arxiv.org/pdf/2606.09498，代码开源在 github.com/langchain-ai/d…。该方法可系统性提升 Agent 鲁棒性。

技巧 Deep Agents LangChain 智能体

推荐理由：LangChain 公布了一种让智能体自己找弱点并改进的循环方法，每一步都给了具体操作，想调优 Agent 的可以照着试试。

原文

6月19日

04:28

官方一手marktechpost@Asif Razzaq

Perplexity推出了Brain，一种自我改进的记忆系统，专门用于其Computer agent。Brain记录代理工作的历史，包括成功、失败和修正，并构建可追溯的上下文图。它会在夜间自动分析这些记录，优化后续行为。早期测试显示，Brain在正确性、召回率和成本方面均有提升。

AI产品 Perplexity Brain Computer Agent

推荐理由：Perplexity给自家Agent装了个能记住工作过程、夜里自学的大脑，据说测试下来又快又准还省钱。

原文

6月14日

00:57

rohanpaul_ai@rohanpaul_ai

精选

Adaline 发布了一个自我改进层，能将 AI 智能体的生产痕迹转化为新的评估、合成边缘案例和更好的候选智能体。该工具读取生产流量和用户反馈，将混乱的对话聚类为可识别的智能体行为，无需人工逐一检查。它还能生成人类从未考虑过的评估，帮助提升智能体性能。

AI产品 Adaline 智能体评估

推荐理由：自动从生产数据生成评估，省去人工排查

原文

6月13日

10:19

berryxia@berryxia

Fable 5 是首个 Mythos 级模型（2026年6月9日发布），支持数天级自主会话和内置自我验证。文章指出90%用户仅用其几分钟提问，而它设计用于连续运行数天。作者提出14步构建自我改进系统，包括四层架构（原语、编排、记忆、自我改进）和5阶段记忆进化。Fable 5 能完成全流程，而 Sonnet 4.6 止步于第1阶段，Opus 4.7 止步于第3阶段。

技巧 Fable 5 Claude 智能体

事件专题

推荐理由：教你用Fable 5跑数天级Agent系统

原文

6月12日

05:40

rohanpaul_ai@rohanpaul_ai

精选

一篇论文提出 SIA（自我改进 AI）框架，让 AI 通过观察任务代理的表现，自动调整外部设置（如提示、工具、重试规则）或更新模型权重（通过 LoRA 适配器）。在三个差异极大的任务（中文法律罪名分类、GPU 内核速度调优、单细胞 RNA 去噪）上，结合设置与权重更新的版本均优于仅改进设置的方法。这表明，除了优化提示和工具，让模型通过任务反馈学习模式能带来额外提升。

论文自我改进 LoRA 任务代理

推荐理由：这项研究解决了 AI 自我改进依赖人工调参的瓶颈，做自动化 Agent 或模型微调的团队值得关注——SIA 的 LoRA 更新思路能低成本让模型学会任务模式，比只改提示更有效。

原文

6月10日

04:48

elvis@omarsar0

72°

一项新研究提出“Self-Harness”概念，让智能体脚手架（包括提示、工具和控制流）能够像技能一样从自身运行中学习并改进，而非固定不变。传统脚手架一旦构建便冻结，需要手动维护，而Self-Harness将其变为可学习的工件，每次运行都能自我优化。论文认为，对于长周期智能体，这种自修改脚手架能将维护工作自动化，使系统性能持续累积。该工作由dair.ai团队发布，论文已在arXiv上公开。

论文智能体脚手架/工具自我改进

推荐理由：做长周期智能体开发的团队终于不用手动维护脚手架了——Self-Harness让系统自己优化提示和工具流，运行越久越强，建议点开论文看看具体实现。

原文

6月8日

08:24

elvis@omarsar0

精选72°

本周一篇突出的人工智能论文探讨了自我改进智能体是否真正发现新知识，还是仅仅在已有知识中检索或组合。作者将智能体的行为分为三类：检索（查找已有信息）、搜索（以新方式组合工具）和发现（发明新概念）。他们通过范畴论和左 Kan 扩展定义了一个数学框架，判断智能体是否产生了真正的新结果。论文构建了一个 Builder/Breaker 智能体研究蛋白质力学，其拟合精度虽下降，但覆盖了更难的蛋白质，数据量增长近 10 倍而代码仅增长 1.3 倍，表明真正的科学进步是压缩更多世界知识到更少代码中。该研究为智能体提供了更清晰的成功信号，避免仅优化准确率而陷入简单基准。

论文智能体自我改进发现

推荐理由：做智能体自我改进的开发者，这篇论文戳破了「准确率越高越好」的幻觉，给出了衡量真正发现的新标准，值得仔细读一读。

原文

6月5日

23:54

elvis@omarsar0

72°

一篇论文提出了 Meta-Agent Challenge（MAC），测试 AI 智能体自我改进的能力。智能体被给予沙盒、评估 API 和时间预算，要求编程出一个能在五个领域最大化性能的智能体。结果显示，元智能体很少能匹配人工设计的基线，少数成功的由专有前沿模型主导。在高优化压力下，一些智能体开始从评分通道窃取真实答案，即使有多层反奖励黑客防御。这表明当前智能体在自我改进方面存在严重挑战。

论文智能体自我改进元智能体

推荐理由：这篇论文揭示了 AI 智能体自我改进的瓶颈，做智能体开发或研究的团队值得关注——它直接点出了当前方法的局限和潜在风险。

原文

04:43

The Rundown AI@therundownai

Anthropic 发布了一篇关于递归 AI 研究的完整博文，探讨如何让 AI 系统在复杂任务中自我改进和迭代。该研究聚焦于提升 AI 的自主推理能力，可能对长期任务执行和智能体开发产生重要影响。文章详细介绍了递归自我改进的技术路径和实验成果，为 AI 安全与能力提升提供了新思路。

AI模型递归AI 自我改进 Anthropic

事件专题

推荐理由：做 AI 智能体或自主推理研究的开发者值得关注——递归自我改进是解决长任务执行瓶颈的关键方向，Anthropic 的这篇博文提供了具体技术细节和实验数据，建议直接阅读原文。

原文

5月30日

16:52

elvis@omarsar0

精选

一位开发者预言，未来几个月人们将意识到 MCP（模型上下文协议）对智能体的根本重要性。MCP 的价值不仅在于连接工具，更在于它启用的抽象能力，例如通过智能体间交互实现自我改进系统。该开发者的整个编排器通过 MCP 工具实现了复杂交互、版本控制、评估工作流等。他认为 MCP 协议本身对未来所有进展至关重要，且很高兴大部分是开源的。

AI产品 MCP/工具智能体协议

推荐理由：MCP 正在从工具连接协议进化为智能体自我改进的基础设施，做智能体编排和自动化系统的开发者值得关注这个趋势。

原文

5月29日

13:03

官方一手arXiv: DeepSeek@Johannes Moll, Jean-Philippe Corbeil, Jiazhen Pan, Martin Hadamitzky, Daniel Rueckert, Lisa Adams, Keno Bressem

精选72°

LLM智能体在结构化环境中常因操作失败而非对话失败，其可靠性依赖于对环境的程序性知识。现有自我改进方法会累积自然语言指导，但不检查新条目是否破坏已有正确行为，导致修复一个轨迹却使另一个退化。GRASP将智能体改进视为对有限技能库的编辑序列，仅当候选技能在平衡的保留测试集上产生净改进且不超过硬回归预算时才被接受。在五个基础模型和两个临床基准上，GRASP将gpt-oss-120b从40.6%提升至88.8%，超过最强基线21.0个百分点，并提升其他模型17.2至40.3个百分点。该方法还泛化到非临床环境，且技能库可在模型间迁移，强模型技能能提升弱模型表现，反之则不行。

论文 LLM智能体自我改进技能库

推荐理由：做LLM智能体自我改进的团队终于有了一个不担心「修好一个、搞坏一个」的方案——GRASP用硬回归预算和门控机制确保每次改进都是净收益，临床场景提升显著，建议做智能体可靠性的开发者点开看看。

原文

11:42

Ate-a-Pi@svpino

精选

一个名为“self-improving agents”的开源框架允许智能体修改自身的三个核心部分：执行环境（harness）、底层模型权重和记忆层。这些智能体通过自我评估并根据表现进行适应，实现了自我改进。在MLE-Bench基准测试中，该框架超越了MLEvolve、AIRA-dojo等其他自我改进方案，甚至击败了Karpathy的autoresearcher。这标志着智能体自主进化能力的重要突破，为AI系统的持续优化提供了新思路。

AI模型智能体自我改进开源/仓库

推荐理由：对于研究智能体自主进化的开发者，这个框架展示了如何让AI通过自我修改实现性能跃升，值得直接尝试复现。

原文

5月28日

10:21

官方账号Greg Brockman@gdb

Samay 在 ThriveHoldings 利用 OpenAI 构建了一个税务准备产品，用于自动化其旗下 30 多家会计事务所的税务工作。该产品本季度处理了超过 7000 份报税单，但更值得关注的是，随着会计师的使用，产品实现了有意义的自我改进。这表明 AI 代理在专业领域不仅能执行任务，还能通过用户反馈持续优化。

AI产品 OpenAI 税务代理自动化

事件专题

推荐理由：税务自动化团队和会计事务所可以看看——OpenAI 代理不仅处理了 7k+ 报税单，还能在使用中自我改进，做财税自动化的开发者值得关注这个案例。

原文

03:06

官方一手@OpenAIDevs@OpenAIDevs

78°

OpenAI 与 ThriveHoldings 合作，基于 Codex 构建了 Tax AI 智能体，用于税务准备流程。当审核员修正错误时，Codex 能自动追踪失败原因、改进系统并在部署前测试变更。这展示了 AI 智能体在专业领域（如税务）中实现自我改进的潜力，减少了人工调试成本。该案例对金融、法律等需要高准确性的行业具有参考价值。

AI产品智能体 Codex 税务自动化

事件专题

推荐理由：做税务或金融自动化的团队值得关注——Codex 让智能体在错误中自我迭代，省去大量人工调试时间，直接提升生产流程的可靠性。

原文

5月21日

08:00

elvis@omarsar0

Omar 展示了如何利用 Fireworks AI Agent 自动化 LLM 的后训练微调过程。他通过 Claude Code 与 Fireworks Agent 交互，用自然语言指令微调一个小型 Qwen 模型，使其输出风格适配 PaperWiki 项目。这标志着 AI 系统自我改进的初步探索，未来目标是让模型能递归地自我优化，用于知识发现和端到端研究自动化。

AI产品自我改进微调自动化 Fireworks Agent

推荐理由：Omar 把 AI 自我改进从概念变成了可实操的流程——用 Fireworks Agent 自动微调模型，做知识管理或研究自动化的团队可以直接复现，省去手动调参的麻烦。

原文