Hugging Face Daily Papers·· 11 天前精选AI 评分55
R²Orch：通过自博弈与技能内化循环实现智能体编排的递归自我改进
R^2Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
AI 导读
论文提出 R²Orch，用递归自博弈训练智能体编排器，内层循环在自选任务上提升编排器，外层循环改进内层循环的提升方式。方法引入 Recursive Learnability 训练目标，奖励 Proposer 选择在技能撤除后仍能产生不同结果的任务，并通过 Skill Withdrawal 在自博弈评估中逐步撤除技能，最终趋向零技能部署。
推荐理由
论文提出内外双层自博弈循环，用技能撤除替代人工课程，为智能体编排训练提供可迁移的方法思路。
来源：Hugging Face Daily Papers · huggingface.co