RSIGym：用于递归自我改进的灵活环境

arXiv:2610.10310v1 公告类型：新论文 摘要：递归自我改进需要将已接受的变更延续到后续改进周期中，而研究智能体提出的变更也需要大量研究基础设施。现有环境往往让智能体自行重建常规基础设施，或将探索限制在单个组件上。我们提出 RSIGym，这是一个基于一切即服务（EaaS）的智能体原生研究环境。RSIGym 通过可复用服务提供训练、推理、轨迹生成、评估和沙箱执行能力，并通过共享的预算与权限控制支持 Data、Harness 和 Joint 三条改进路线。这一设计使智能体能够在同一环境中研究单项干预措施，并联合优化数据、训练设置和执行框架。我们将 RSI-Index 定义为在五个基准测试上弥合剩余性能差距的比例均值，这些基准涵盖软件工程、终端交互、数学、科学推理和基于技能的任务。我们在独立的 Joint 运行中比较了六个前沿研究模型，在每次基准测试运行的平台服务预算为 500 美元的条件下，Opus 5 取得了最高的 RSI-Index，达到 0.4809。其选定的系统在全部五个基准测试上均有提升，将 SWE-bench Verified 的成绩从 17.67% 提高至 50.33%，将 AIME 的成绩从 31.67% 提高至 97.78%。补充实验考察了 DSH-harness 的优化、预算变化以及受限网络访问的影响，记录的轨迹则揭示了智能体如何诊断失败并选择候选方案。我们开源了完整的 RSIGym 代码库和结果，以支持可复现性及进一步研究。