资讯
arXiv 2610.04902：SERA 让递归 agent 自己学会评价子任务
一句话：arXiv 2610.04902 提出 SERA：让递归语言模型 agent 把「评价子任务」变成自身习得的能力，训练与推理双重获益。
背景
- 论文 Self-Evaluating Recursive Agents（10 月 4 日）指出递归 agent 训练难：最终可验证，但自创的中间子任务无真值。
核心要点
- SERA（Self-Evaluating Recursive Agents）在委托前由父节点写加权成功标准的 rubric。
- 用排序目标训练 rubric 生成，使其追踪真实子任务成功。
- 互补的 leaf-coverage 信号为任务分解提供直接信用。
- 同一权重既评价又执行，学习评价反过来锐化解决能力。
为什么重要
- 把「评价」变成策略自身习得的能力，减少外部 verifier 依赖，提升递归 agent 训练的稳定性与可扩展性。
关键事实速记
- 论文 arXiv 2610.04902（10-04）
- SERA 自评价递归 agent
- 父写 rubric + 排序目标
- leaf-coverage 信号
- TextCraft/TextWorld +5~13 点
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考