مقاله‌ی arXiv:2610.21791 · در صف خبرنامه
RSIFlow: Adaptive Self-Improvement Workflows with an Evolving Meta-Agent
چارچوبی که تشخیص می‌دهد گلوگاه ایجنت کجاست و روال بهبود مناسب همان را انتخاب می‌کند
- تاریخ
- (۲۳ مهر ۱۴۰۵) 2026-10-15 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Huan Zhang, Mingju Chen, Dongxu Zhou, Can Lv, Sen Cui, Faguo Wu, Shiji Zhou
- نهاد نویسنده‌ها
- Beihang University
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
روش‌های خودبهبودی ایجنت‌ها چند نوع‌اند: بهینه کردن مدل، تکامل هارنس، یا اصلاح ساخته‌های اجرایی مثل کد ابزارها. اما گلوگاه کارایی یک ایجنت در طول زمان عوض می‌شود؛ امروز مشکل در پرامپت است و فردا در یک ابزار. چالش این است که روال بهبود با گلوگاه فعلی تطبیق پیدا کند و خود این تصمیم‌گیری هم با تجربه بهتر شود.
روش
چارچوب RSIFlow از روی مسیرهای اجرای ایجنت و بازخورد محیط، گلوگاه را تشخیص می‌دهد و برای همان جزء یک روال بهبود مخصوص انتخاب می‌کند. بعد یک فرا-ایجنت نتیجه‌ی این روال‌ها را به اسکیل‌های مخصوص هر جزء و اصول کلی‌تر بین اجزا تبدیل می‌کند و هارنس خودش را تکامل می‌دهد، تا دفعه‌ی بعد تشخیص و هماهنگی را بهتر انجام دهد.
یافته‌ها
- در شش بنچمارک (از جمله تولید کد، کار با ابزار و پرسش و پاسخ چندمرحله‌ای) و با دو مدل پایه، بهترین میانگین عملکرد را در همه‌ی بنچمارک‌ها داشت.
- آزمایش‌های حذف اجزا نشان داد هم انتخاب تطبیقی روال و هم تکامل هارنس فرا-ایجنت سهم دارند.
- کد منتشر شده است.
محدودیت‌ها
نویسنده‌ها می‌گویند ارزیابی عمدتاً با مدل‌های کوچک Qwen3-4B و Qwen3-8B انجام شده و معلوم نیست این سود با مدل‌های بزرگ‌تر و در مقیاس بزرگ باقی بماند.
چرا مهم است
بیشتر روش‌های خودبهبودی یک اهرم ثابت دارند. این کار نشان می‌دهد اول تشخیص دادن این‌که مشکل کجاست و بعد انتخاب ابزار بهبود مناسب، به‌خصوص برای ایجنت‌هایی با مدل‌های کوچک و منابع محدود، نتیجه‌ی بهتری می‌دهد.