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
Hầu hết các hệ thống trí tuệ nhân tạo (AI) hiện đại được phát hành với các thông số đóng băng và cải thiện thông qua các bản cập nhật bên ngoài, trong khi một hệ thống lý tưởng sẽ tiếp tục cải thiện từ kinh nghiệm của chính nó, một khả năng mà chúng ta gọi là tự cải thiện tái phát (RSI). Tuy nhiên, nghiên cứu RSI đòi hỏi một môi trường liên tục thay đổi, có thể xác minh một cách khách quan và tự nhiên, tạo ra một thách thức cơ bản cho sự tiến hóa của tác nhân.
Machine translation (Meta M2M100); the English original follows.
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
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29784, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange