机器之心 (微信公众号)T2·72 分
GEAR 开源模块化 RSI 框架 让 Agent 持续自我进化
原标题：GEAR：打造 Scikit-learn 式的模块化 RSI 框架，让 Agent 从真实任务中持续进化
- GEAR 将 RSI 流程拆为可替换模块，支持快速搭建、比较与复用进化策略
- 统一记录候选代码版本、运行条件与评测证据，便于复现与继续实验
- 以 harness 进化为验证对象，提示词、工具、技能与工作流可改而模型权重冻结
返回热点榜
agent热度 8.4°
AI 聚合热点事件 · 2026/11/11
GEAR 开源模块化 RSI 框架 让 Agent 持续自我进化
1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/11 12:12:00
全景综述与最新动态
1 家信源交叉印证帝国理工、杜克等机构研究者提出开源框架 GEAR，为递归自我改进（RSI）提供 Scikit-learn 式的模块化工具箱，将父版本选择、修改规划、任务采样、评分与候选排序拆分为可替换模块，并复用统一的执行、评测与版本管理设施。基于 GEPA 算法的实验显示，经 GEAR 调优的 Agent 在营销、客服与代码任务上均取得显著提升，且目标模型权重保持不变。
最新动向/帝国理工、杜克等机构研究者提出开源框架 GEAR，为递归自我改进（RSI）提供 Scikit-learn 式的模块化工具箱，将父版本选择、修改规划、任务采样、评分与候选排序拆分为可替换模块，并复用统一的执行、评测与版本管理设施。基于 GEPA 算法的实验显示，经 GEAR 调优的 Agent 在营销、客服与代码任务上均取得显著提升，且目标模型权重保持不变。
逐小时热度走势
6 个完整观测小时当前
8.4
峰值
9.622:00
近 24h 变化
–
曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。