R$^2$Orch：基于技能内化循环中自我博弈的 Agent 编排递归自我提升
英文标题：R$^2$Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
本研究提出了名为 R$^2$Orch 的新型框架，旨在解决复杂任务中智能体（Agent）编排学习面临的瓶颈问题。现有的 Agent 编排训练通常高度依赖人工设计的课程，且容易在任务所有采样路径表现一致时出现优势坍塌。R$^2$Orch 通过在技能内化循环中引入自我博弈（Self-Play）机制，实现了编排能力的递归自我提升。该方法有望大幅降低多 Agent 系统对人工规则与先验提示的依赖，推动自主系统向真正自进化的方向发展。
打开原文相关 2.4 · 机会 1
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
R$^2$Orch: 基于技能内化循环中自我博弈的 Agent 编排递归自我提升
arXiv 编号：arXiv:2610.22740v1
发布类型：新论文（Announce Type: new）
摘要
近年来，智能体编排（agentic orchestration）已被广泛应用于解决复杂的人类任务。然而，现有的编排学习仍面临核心挑战，包括对人工设计课程（hand-designed curricula）的依赖，以及当一个任务的所有采样路径（rollouts）均达到相近结果时出现的优势坍塌（advantage collapse）等瓶颈……
English / 原文
BibTeX formatted citation
×