CoEvo-RSI: When Harnesses Evolve, Which Models Should Follow?
Pubblicata su AIChronos il · fonte del · Jiaqi Su, Guibin Zhang, Jie-Jing Shao, Cong Pang, Tiankuo Yao, Ivor Tsang
Il paper introduce CoEvo-RSI, un framework per agenti di auto-miglioramento ricorsivo (RSI) che risolve il problema del disallineamento tra modello ('brain') e harness ('body'). Il sistema utilizza una meta-agente per coordinare lo sviluppo dell'harness basato su progetti storici con la selezione o fusione dei checkpoint del modello, riducendo così il mismatch. Attraverso un adattamento guidato dall'agente tramite fine-tuning supervisionato (SFT) sui propri percorsi di rifiuto campionati, CoEvo-RSI rende modelli come Qwen3.5-9B competitivi con modelli più grandi in applicazioni verticali diverse.
- CoEvo-RSI implementa un'evoluzione co-evolutiva bidirezionale che eredità storicamente le capacità del modello e allinea i requisiti di esecuzione dell'harness.
- Il framework utilizza un archivio evolutivo condiviso e feedback di esecuzione per guidare la coordinazione tra sviluppo dell'harness e selezione dei checkpoint.
- L'approccio supera DeepSeek-V4-Pro su TraceElephant (+14.16 accuratezza agente) e GLM-5.3 su HomeBench VM (+4.90 tasso successo).
- Rende Qwen3.5-9B competitivo in compiti complessi come l'attribuzione di fallimenti multi-agente, text-to-SQL consapevole del ruolo e il follow-up delle istruzioni smart-home.
- Dimostra che l'allineamento brain-body è cruciale per avanzare la co-evoluzione degli agenti.
Perché conta. Per gli sviluppatori di LLM e agenti locali, questo approccio offre un metodo pratico per migliorare le capacità esecutive senza necessariamente scalare i parametri del modello o accedere a risorse cloud massive. La tecnica permette di adattare modelli esistenti (come Qwen3.5-9B) a requisiti complessi tramite SFT su dati generati internamente, ottimizzando l'uso delle risorse hardware locali.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.