大语言模型能改进自己的脚手架吗？自我改进的脚手架是个热门话题。一个有意思的问题是，大语言模型能否独立生成并改进它们。
一项对照研究让前沿模型从固定的编码起点完整搭建智能体脚手架，用它玩五局开发游戏，再把整个代码库重写两遍，并在 20 局未参与重写的保留游戏中为每个版本打分。27 条演化线下来，两次完整重写仅把保留分数提高了 2.80 分，且 95% 置信区间跨过零点，开发游戏上的提升也夸大了保留分数的提升。它之所以重要，是因为这给“自我改进的智能体”的热潮降了温：更好的脚手架设计确实存在（人工引导的系统得分更高），但模型目前还不能可靠地自己找到它们。
报道来源
- Elvis Saravia2026-10-24 17:43