GEAR：模块化RSI框架开源

Imperial College London、Duke 等机构研究者提出并开源模块化递归自我改进（RSI）框架 GEAR，把采样、候选评测和多样性管理拆成可替换模块，用于搭建和比较 RSI 算法。 在固定 GPT 5.6 Luna 模型、使用 medium 推理档位时，经 GEAR 进化的 DeepSeek Harness（DSH）将营销任务通过率从 27.0% 提高到 40.0%，客服任务从 17.0% 提高到 25.0%，代码任务从 52.8% 提高到 62.9%。每个模型与运行框架配置在每道任务上只评测一次。 该框架的 harness 进化保持目标模型权重固定，通过运行框架的搜索与选择实现改进，不要求内层求解过程可微。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。