Flex-RSI基准测试AI智能体能否改进自身框架

为何重要

递归自我改进，即AI系统改进自身运行所依赖的工具和框架，是预测者最关注的路径之一，但直接衡量它的基准很少。Flex-RSI让一个改进智能体在视觉和机器人任务上修改执行智能体的运行框架，并对提升幅度打分。论文发现，仅有成功或失败的二元反馈会限制开放权重模型。这是一篇未经同行评审的预印本。后续需关注前沿闭源模型的结果和独立复现。