Newest papers

Evolving with Open Worlds: Towards Recursive Self-Improvement for Future Forecasting

Zhipeng Chen, Yunsen Liang, Yanxi Chen, Hongkang Zhao, Lingyun Feng, Ruiyang Ren, Guoxin Chen, Jia Deng · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29784 · open-access PDF

Hindi

अधिकांश आधुनिक कृत्रिम बुद्धि (एआई) प्रणालियों को फ्रीज किए गए मापदंडों के साथ जारी किया जाता है और बाहरी अद्यतनों के माध्यम से सुधार किया जाता है, जबकि एक आदर्श प्रणाली अपने स्वयं के अनुभव से सुधार करना जारी रखती है, एक क्षमता जिसे हम पुनरावृत्तिपूर्ण आत्म-अनुकूलन (आरएसआई) कहते हैं। फिर भी आरएसआई का अध्ययन करने के लिए एक वातावरण की आवश्यकता होती है जो लगातार बदलता है, उद्देश्य से सत्यापित किया जा सकता है, और प्राकृतिक रूप से आधारित है, एजेंट विकास के लिए एक मौलिक चुनौती है।

Machine translation (Meta M2M100); the English original follows.

Abstract

Most contemporary artificial intelligence (AI) systems are released with frozen parameters and improve through external updates, whereas an ideal system would keep improving from its own experience, a capacity we call recursive self-improvement (RSI). Yet studying RSI requires an environment that is continuously changing, objectively verifiable, and naturally grounded, posing a fundamental challenge for agent evolution. Here we introduce DeepEvolve, a sustainable evolution agent system grounded in future event prediction, in which agents continuously interact with a dynamically evolving enviro

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange