Recursia：具身递归自我改进实现零样本长序列操作

北京交通大学、北京大学、纽约大学、南加州大学及北京灵行智能科技有限公司等机构的研究团队提出并开源了具身递归自我改进框架 Recursia，在目标任务上不进行代码调试的零样本迁移设置下，其长时任务表现超过英伟达 ASPIRE 10 个百分点。 Recursia 分为内层 Agent 与外层 Agent：内层负责执行，外层汇总经验、提出并验证共享栈修改。其零样本迁移指源任务改进完成后共享栈被冻结，目标任务反馈不用于代码修复或版本选择，但执行中仍可使用观察反馈。 研究团队称，这组小规模实机结果为共享可执行知识的价值提供了初步支持；其他方法的数值沿用 ASPIRE 的已发表对照，不同方法的基础模型、训练数据与推理预算并不完全一致。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。