ParetoRSI-Gym：评估Agent递归自我改进

2026年10月28日，AGI Hunt 报道了一项由UIUC、UC Berkeley、俄亥俄州立大学、华盛顿大学与Google合作的研究，提出名为 ParetoRSI-Gym 的基准，用于评估 AI Agent 能否跨域递归自我改进语言模型。该基准的设定是：固定模型与训练管线，只让 Agent 自主进行数据策划并执行多轮训练循环，从而在数学、代码、医学、金融、科学等代理基准上衡量其进步幅度。报道称，这项工作的核心问题是 Agent 能否在不受人工干预的情况下，自主策划数据并反复训练，从而实现自我改进。目前报道只介绍了该基准的设计思路与评估范围，尚未披露具体实验结果或排行榜数据。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。