研究人员推出了一种名为递归自改写(RSR)的新型框架,旨在提升AI模型在复杂任务上的性能。RSR利用基础模型Qwen-3.8-27B,从各种专业环境中发现并重构成功的解决方案,将其转化为通用格式。该过程包括规划器、评论家和执行器,以完善程序并创建新的训练轨迹。该框架在Terminal-Bench 2和Terminal-Bench 4等多个基准测试中显著提高了性能,证明了其在为AI模型生成可重用能力方面的有效性。 AI
影响 通过从多样化的任务经验中生成可重用的训练轨迹来增强AI模型的能力。
排序理由 该集群描述了一个新颖的框架及其在学术论文中提出的性能评估。
在 Hugging Face Daily Papers 阅读 →
- Hugging Face
- Long-Horizon Terminal Bench
- Recursive Self-Rewrite
- Software Terminal-Bench
- Terminal-Bench 2
- Terminal-Bench 4
- Terminal-Bench Hard
- arXiv
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →