LLM代理的能力在很大程度上通过其利用来放大，即围绕冷冻骨干模型的提示、控制流、工具、内存和上下文管理。最近的方法通过迭代地提出和选择代理线束的组件式编辑，实际上在代理系统级别建立了一种递归自我改进（ RSI ）的形式，从而使这一过程越来越自动化

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.24972v1)获取最准确的信息。

---
🔗 **原文链接**: [RRSI: Regularized Recursive Self-Improvement of Agent Harnes](https://arxiv.org/abs/2609.24972v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Peng Xia, Rujun Han, Zifeng Wang, Yanfei Chen, Yufan Zhang, Yoonho Lee, Chengsong Huang, Han Yu, Zhongying CuiZhu, Yifei Ming, Huaxiu Yao, Burak Gokturk, Tomas Pfister, Chen-Yu Lee

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-22 13:02