Rohan Paul (@rohanpaul_ai) · 2026/10/12 14:11:41
AWS 与 HSBC 提出 Double Ratchet：仅用 10 个样本自进化评估器，实现智能体无监督自我提升
出处作者 / 发布主体：Rohan Paul (@rohanpaul_ai)原标题：Self-improving agents have always needed a human to write the grader.
78AI 研判分
核心综述
AWS 与汇丰银行联合研究推出“Double Ratchet”框架，解决了自进化智能体依赖人工编写评估器的痛点。该机制让评估器与智能体技能同步演化，仅基于 10 个标注样本构建规则检查，即可达到与真实标签或人工评分标准相当的训练效果（保留 88%-110% 的性能增益）。这一方法显著降低了智能体自我改进对高质量人工反馈的依赖门槛。
报道全文原始报道全文
Rohan Paul (@rohanpaul_ai) · 2026-10-12 06
自我改进的 Agent 一直需要人类来编写评分器（grader）。
AWS 与 HSBC 的最新论文消除了这一环节：评分器随 Agent 共同进化，仅从 10 个标注样本起步，其训练效果几乎等同于基于真实标签（ground truth）的训练。
Double Ratchet 方法让评分器与 Agent 的技能同步进化，针对每种失败类型构建由少量、主要基于规则的检查项组成的评分器。选择评分器版本的依据是其与 10 个标注样本的一致性，而非提升 Agent 的得分。
在代码、SQL 和报告生成任务中，该方法保留了相同技能循环下使用真实标签或评分标准所获增益的 88% 至 110%。即使移除这些安全机制，评分器虽通过了 97% 至 100% 的输出，但仍能有效训练技能。
