10:42
官方一手arXiv: DeepSeek@Tailin Zhou
推荐理由：想用冻结模型提升agent性能？HSI让模型自己改写执行脚手架，在BabyAI等任务上涨了39个点，代码已开源，值得一看。
BALROG
共 1 条相关 AI 资讯
8月11日
10:42
Hierarchical Self-Improvement (HSI) 框架提出让单个冻结的LLM在三个层级上运作：任务harness执行任务、evolver重写harness、meta-evolver重写evolver策略。在BALROG基准上以DeepSeek-V4-Flash-Preview为骨干，HSI在中等难度任务上比初始harness提升显著：BabyAI +39.3、Crafter +33.0、TextWorld +25.0、MiniHack +15.0（均为原始% Progress）。在BabaIsAI子套件上表现出强泛化，BreakStop最佳测试0.98、GoTo达1.00（来自20%未见分割）。当任务超出骨干能力（如NLE）时，harness进化无改善，揭示了反馈保真度和骨干能力两个边界。