ParetoRSI-Gym评测智能体跨领域改进模型
热点事件持续更新
ParetoRSI-Gym评测智能体跨领域改进模型
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Haojin Wang等提出多域递归自我改进评测环境 ParetoRSI-Gym；测试中表现最强的 Claude Code with Opus-5，其代理最优检查点在泛化评测上的分数相对初始模型提高9.2%（绝对增加2.3分），按3个基础模型和5个领域等权平均。Ministral-3-3B在医学领域的相对增幅最高，为63%。 ParetoRSI-Gym让智能体反复搜索和筛选训练数据、训练模型并读取各领域结果；初始模型、工具和微调流程等保持不变。各领域的泛化基准用于区分能力提升与对智能体优化所用分数的过拟合。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
ParetoRSI-Gym：AI 智能体能否跨多个领域提升语言模型？报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningParetoRSI-Gym：AI 智能体能否跨多个领域提升语言模型？
ParetoRSI-Gym评估智能体跨领域改进语言模型，Claude Code with Opus-5取得最高结果。其代理最优检查点的泛化分数相对初始模型提高9.2%（绝对增加2.3分），按3个基础模型和5个领域等权平均；Ministral-3-3B在medicine领域的单领域相对增幅最高达63%。分析还发现，评测框架与模型同样重要，各智能体的数据选择策略各不相同。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。