资讯
arXiv 2610.12061 RACE：让研究 agent 在「赛局」中自我对抗提升推理
一句话：论文 RACE（10-6，cs.AI）提出把自动研究 agent 放进竞争式赛局，通过对抗训练提升长程推理与实验设计能力。
背景
- arXiv 2610.12061（10-6，cs.AI）：自动研究 agent 在长程任务上受困于单调策略，RACE 提出竞争式对抗训练框架。
核心要点
- RACE（Rivalry-Augmented Collective Exploration）：多 agent 在共享任务上相互博弈、互评方案。
- 通过对抗暴露盲点，驱动探索更多样的解空间，缓解「想法盆地」。
- 在 13 个长程研究 / 工程任务上相对单跑提升显著。
- 引入评委模型对方案质量打分，作为进化信号。
- 方法可插拔到现有 autoresearch 框架。
为什么重要
- 把「对抗训练」思想引入科研 agent，提升自主探索的多样性。
- 对 AI4Science 长期自研究有直接工程价值。
关键事实速记
- arXiv 2610.12061（10-06）
- RACE 竞争式对抗探索
- 多 agent 博弈互评
- 缓解 idea basins
- 13 任务显著提升
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考