arXiv 2610.04902：SERA 让递归 agent 自己学会评价子任务

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