摘要
旨在通过让AI系统随时间演进和自我提升来减少人工工程投入。针对缺乏自引用对齐的任务,提出SBCO(自监督块坐标优化器)。这是一种基于验证器的Harness优化方法,属于闭环经验改进家族,但采用自监督而非自引用方式。SBCO通过近似块坐标上升法学习分解的验证器库和Harness策略,利用自身分级反馈在固定元代理且无需人类标签的情况下提升代理输出。实验表明,SBCO在两个领域达到或超过定制化的自我修改基线,同时计算资源消耗仅为后者的1/4至1/5.5。
AI 推荐理由
论文核心探讨Agent的自我改进(self-improvement)与自我监督优化机制,属于进化范畴。
研究机构
Samsung Research America
论文信息