反直觉!港大开源RSI框架:9B小模型驱动DeepSeek V4持续进化

资讯 腾讯网 作者:智猩猩 全文 1965 字 · 约 5 分钟读完 配图 1 张 分类RSIDeepSeek深度求索开源Deepseek大模型

智猩猩AI整理 编辑:没方 在探索递归自我改进(RSI)的过程中,香港大学数据智能实验室(HKUDS)的研究者们发现,大模型在编程时,有时容易陷入一种思维定式。 代码出....

所属频道 模型发布开源生态前沿研究
智猩猩AI整理

在探索递归自我改进(RSI)的过程中,香港大学数据智能实验室(HKUDS)思维定式。


代码出了问题就继续修Bug,修完仍然不行就再换一种方式修补。这些模型很难停下来思考是不是一开始选择的方法就错了。


反而是一个9B参数的小模型,有时能够跳出原有思路提出完全不同的算法,再交给大模型实现。


于是,团队尝试让Qwen3.5-9B负责提出策略,DeepSeek V4 Flash 0731负责写代码。这套思路最终迭代形成了一个名为AgentPilot的开源项目。


  • 项目地址:HKUDS/AgentPilot


这个9B模型并不是简单地给大模型提供一次性建议。它会根据每一轮实验的执行结果不断调整决策,逐渐学会哪些方向更值得尝试,哪些方法应该放弃。


为了实现这一目标,WorkSpace和


其中,AgentPilot CoreWorkSpace负责技能与经验管理,。



01

AgentPilot Core:

让Agent学会决策与自我改进


AgentPilot维护了一份共享搜索状态。


可以把它理解成一份持续更新的实验档案,里面记录了此前尝试过的代码版本、不同版本之间的演化关系、每次实验的成功或失败结果、尚未探索的方向,以及剩余的实验预算。


基于这些记录,AgentPilot会选择一个值得继续优化的历史版本,判断是探索新思路还是改进现有方法,再从中选出最有潜力、最可行的行动方案。


为了让这些决策越来越准确,AgentPilot提供了两种互补的策略学习机制。


  • 基于UCB的策略学习,具体采用


  • 基于记忆的策略学习。它会把过去实验中获得的有效经验提炼成


如果现有方法本身就存在局限,仅仅修补代码很难带来真正的突破。


因此,AgentPilot还设计了Research Workflow。


其中,Proposer负责分析当前任务、已有Harness和历史实验结果,找出当前系统的能力短板,并提出新的解决思路。


Worker则负责将这些想法付诸实践,通过代码实现、调试和测试验证效果,再将执行结果反馈回来。



02

WorkSpace:让Agent记住成功经验


WorkSpace定位为AI Agent的技能管理层,不是简单地建立一个越来越大的Skills文件夹。


它更关注技能是不是真的有效。


在实际执行过程中,WorkSpace会记录技能是否被选中、应用是否成功、任务完成度,以及最终有没有退回其他备用方案。


这些真实执行记录会成为技能质量评估的依据。如果某项技能经常无法完成任务,系统就可以根据反馈对其进行修订,新版本经过验证确实更好,再进行更新。


WorkSpace还支持本地优先的工作方式,开发者可以在自己的基础设施上保存和管理技能,也可以通过云端浏览和共享经过验证的技能。


这样不同Agent之间也有机会共享经过实际任务验证的工作经验。


03

RSI Arena:判断AI是否真的学会进步


RSI Arena通过多轮改进实验,评估Agent的学习能力和跨任务泛化能力。


项目选用


所有方案均基于Qwen3.5-9B和DeepSeek V4 Flash 0731作为任务执行模型。


实验结果显示,经过10轮改进尝试,AgentPilot在。



这表明,9B策略模型能够通过不同的学习机制,为大模型选择更有效的改进方向。



04

AgentPilot使用教程


AgentPilot目前支持多种主流Agent工具,包括WorkBuddy、Grok Bot等。


如果只是想快速体验,粘贴下面这段指令,Agent会根据指令尝试安装AgentPilot Skill,并检查安装。

请将AgentPilot安装为当前AI Agent的Skill。项目GitHub仓库地址:HKUDS/AgentPilot如果当前使用的是Codex桌面版,请同时安装本地插件,以便后续通过 `@` 符号选择和调用AgentPilot。安装过程中,请保留现有配置,不要覆盖或修改已有的其他设置。安装完成后,请检查Skill和插件是否正确安装,并实际验证能否正常调用。


安装完成后,就可以在项目中调用AgentPilot。可以给Agent分配一个具体任务:

帮我优化这个项目的性能,让它运行得更快。


AgentPilot会检查任务、评测条件、模型和执行环境。如果缺少必要配置,就会提示需要补充的内容。条件满足后,便可以启动RSI改进流程。


对于希望深入研究的开发者,还可以单独部署AgentPilot Core、WorkSpace和RSI Arena,配置任务、评测基准与策略学习方法,开展完整实验。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. DeepSeek长文本限流引发差评潮:免费模式遇算力考题

    随着AI技术迅速普及,免费与开源成为行业繁荣核心引擎,但庞大用户基数与有限算力资源碰撞,摩擦显现。近日,国内AI领军者DeepSeek对部分超长上下文功能限流,引发应用商店差评潮甚至极端投诉;长对话与角色扮演等需求引爆争议,折射大模型免费模式背后的生态痛点。

    来源 AI 产业速递
  2. DeepSeek收紧免费对话限制引众怒,用户反求收费

    【TechWeb】11月15日起,多名用户在社交平台发帖称,DeepSeek已对App与网页版的长对话功能实施了使用限额。页面弹窗显示:“因算力不足,不再支持超过7天不活跃的长对话。”随后几天,愤怒与不解迅速在社交平台发酵。11月18日,话题“DeepSeek用户呼吁取消7天限制”冲上微博热搜。但与一般产品限流引发的骂

    来源 腾讯网
  3. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  4. DeepSeek-V4稀疏注意力:1M上下文提速22倍?

    如今,百万 token 上下文已经从卖点变成了标配。4 月,DeepSeek-V4 把 1M 上下文定为所有官方服务的默认规格;8 月,智谱发布的 GLM-5.3-Flash 同样支持 1M 上下文,并首次在 GLM 系列中引入稀疏注意力与线性注意力的混合架构。这些模型背后有一个共同的选择:让每个 query 不再看遍

    来源 AI 行业观察
  5. DeepSeek限额后用户催收费:三道坎卡住App转向API

    出品 | 网易智能 作者 | 小扣 编辑 | 王凤枝 DeepSeek开始限额后,一些用户反过来催它收费了:他们愿意掏钱,只想在原来的App里继续顺手用下去。 11月17日消息,据多家媒体报道,自11月15日起,部分DeepSeek网页端和App用户遇到了使用额度、文件读取及不活跃长对话等限制。有人的页面提示“因服务器

    来源 AI 行业观察
  6. Next-AI-Draw.io:DeepSeek生成可编辑架构图,怎么用?

    本文介绍如何在Windows环境下通过Docker部署Next-AI-Draw.io,并接入DeepSeek大模型。该工具能将自然语言转化为可二次编辑的draw.io图表,解决传统绘图耗时痛点。针对本地服务仅限内网访问的问题,教程还演示了如何使用Cpolar进行内网穿透,实现跨设备远程访问与团队协作,兼顾数据隐私与工作

    来源 AI 应用前沿
  7. DeepSeek限制免费额度:算力不够用,AI需求远未到顶

    DeepSeek 开始限制免费使用量了,这恰恰说明 AI 还有很大的发展空间。现在很多人都担心 AI对硬件的需求是不是走到头了?未来还有成长空间吗?对这个问题,不能取决于英伟达,也不能取决于其他厂家,而是取决于 AI 下游的实际需求。很多人都说,现在全球建立了大量的数据中心, 算力可能出现算力过剩,但真正重度依赖 AI

    来源 AI 行业观察
  8. 最大规模具身大模型挑战赛落幕,48 小时真机总决赛比出了什么?

    开发者围绕同一块基础模型进行实验,让模型直面成功的方法、失败的经验和真实世界的问题。作者|Li Yuan编辑|郑玄最大规模具身大模型挑战赛总决赛结果出炉,排名第三的队伍 SST 只额外采集了 13 条数据。他们没有大量补数据,而是让 DeepSeek 先理解任务,再用视觉分割模型标出目标物体,最后交给 LingBot-

    来源 腾讯网
  9. 理格万物俞涛论文:具身智能该由谁定S0/S1/S2标准

    给“机器人战场”建立新坐标。 作者: 壹小姐 编辑: Koji‍ 排版: NCon具身智能赛道,语言大模型和具身大脑模型两派,越来越融合成一条路线。11 月 16 日,关于 OpenAI 存续仅 166 天的机器人团队被撤销的报道铺天盖地。OpenAI 的潜台词是:“模型够强了,机器人不需要再单独搞”。此前,11 月

    来源 腾讯网
  10. Garlic LLM 让越狱 PS4 跑起 90 亿参数模型:最高每秒 43 词元

    科技媒体 Gigazine 今天(11 月 17 日)发布博文,报道称开源项目 Garlic LLM 可以让越狱版 PlayStation 4 运行 90 亿参数的本地大语言模型,最高生成速度可达每秒 43 个词元(Token),且无需联网即可完成 AI 聊天与语音对话。

    来源 IT之家
  11. 英伟达Vera Rubin首秀MLPerf:全项横扫,每GPU算力翻倍

    2026年11月16日,英伟达Vera Rubin NVL72在MLPerf Training v6.1全部基准项目首秀即横扫,成为本轮唯一覆盖所有测试类别的平台。与上一代GB300 NVL72相比,每GPU训练性能最高提升2倍,在DeepSeek-V3基准上以97%效率将256至1,024 GPU的扩展效率

    来源 AI 科技快讯
  12. 豆包工作接入Kimi、GLM、DeepSeek:额度倍率背后的算力账单

    11月12日,字节跳动旗下办公智能体产品豆包工作宣布完成产品更新,在原有豆包2.1 Lite和豆包2.1 Pro两款自研模型之外,新增接入Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash等多款第三方模型。 2026年9月,字节跳动旗下豆包正式推出面向生产力场景的全新Agent产品与品牌

    来源 AI 行业观察
  13. 小米雷军:AI 是一个全新的时代,一定会带来非常多的商业机会

    IT之家 11 月 17 日消息,2026 年 APEC 工商领导人峰会 11 月 17 日至 18 日在深圳举办,主题为“共促繁荣,共赢未来”。据新浪科技报道,小米集团创始人、董事长兼首席执行官雷军表示,过去四年,AI 大模型技术突飞猛进,给我们的生活和工作带来了巨大的变化。但 AI 能够落地的场景非常有限,能够真正

    来源 腾讯网
  14. 知乎推出Paper开源计划:论文与讨论打通,科研作者可绑定身份

    知乎把论文阅读与社区讨论连接了起来。近日,2026知乎科学季收官。除了邀请科研人员参与线下交流,知乎还在科学季期间推出“Paper开源计划”,将论文关联、讨论入口和研究者身份绑定纳入社区功能。基于这项计划。用户阅读论文时,可以通过插件查看知乎上的相关讨论;社区问题可以关联论文卡片,方便读者查阅原始研究;科研...

    来源 腾讯网
  15. 李彦宏APEC中英文两场对话:AI价值最终在应用层

    李彦宏表示,AI的价值最终来自应用层他指出,过去几年AI技术在芯片、云计算、大模型等层面取得了巨大成就,但在他看来,AI的力量最终要靠应用层释放——只有把AI真正用进各个国家、各个公司、各类组织的真实场景中,技术能力才能转化为实际价值。

    来源 TechWeb
  16. 李彦宏APEC谈AI:价值在应用层,最紧迫是找到合适场景

    李彦宏表示,AI的价值最终来自应用层他指出,过去几年AI技术在芯片、云计算、大模型等层面取得了巨大成就,但在他看来,AI的力量最终要靠应用层释放——只有把AI真正用进各个国家、各个公司、各类组织的真实场景中,技术能力才能转化为实际价值。

    来源 TechWeb
向下滚动自动加载更多