RSI-Opt: агенты-оптимизаторы с рекурсивным самоулучшением для обучения моделей
Препринт на arXiv (2610.32026v1) представляет RSI-Opt — систему, в которой мета‑агент эволюционирует политики агентов‑оптимизаторов (промпт, процедурный плейбук, библиотека кода и ритм решений) между запусками. За пять поколений на трёх задачах мета‑агенты формируют повторно используемые процедуры и код, улучшают производительность агентов (например, z‑скор с +10.48 до +14.33 для Opus 5.5; с −0.36 до +3.11 на отложенных задачах с GPT‑5.5) и сокращают среднюю относительную L2‑ошибку для уравнения Бургера примерно в 2.7× с Opus 5.5 и 8.8× с GPT‑6.1 по сравнению с базовой фиксированной подсказкой, при этом перенос знаний зависит от модели и задачи.