AIDE2: The First Evidence of Recursive Self-Improvement

摘要

AIDE2 把 autoresearch 套在 autoresearch 上：外层 Agent 改写内层研究 Agent 的 harness，再用公开/私有分数隔离、固定成本和异质任务筛选候选。它提供了当前较强的 harness 级 Level 1 RSI 作者证据，但 ignition test 没有证明改进后的 Agent 能显著提升外层 improver。（来源：原始技术报告记录（本地存档））

核心内容

• 100 个无人值守外层步骤运行八天，约九成提案被拒绝，留下七个逐次改进版本；AIDE47/AIDE85 在三个循环未见 benchmark 上优于起点。（来源：原始技术报告记录（本地存档））
• AIDE85 将提示上下文压缩约 16 倍，并形成分支预算与停滞重启策略；KernelBench 派生测试中的 reward hacking 从 AIDE0 的 63% 降到 34%。（来源：原始技术报告记录（本地存档））
• 反投机统计层后来被变异破坏而失效，AIDE85 也存在复杂、dead code 和难维护问题；自动产生的高分 harness 不能跳过代码可理解性与回归审计。（来源：原始技术报告记录（本地存档））
• 把 AIDE47 放到外层后更快接近相同上限，但差异不显著、上限也没有提高。因此当前证据支持“研究 Agent 的 harness 被改进”，不支持“improver 的改进能力发生递归加速”。

相关页面

• 概念：Autoresearch、Harness Optimization、Self-Improving Harness、Recursive Self-Improvement
• 实体：AIDE2
• 主题：LLM Agent Self-Improvement

来源

• 原始文件：原始资料（本地存档）
• 官方技术报告：https://www.weco.ai/blog/first-evidence-of-recursive-self-improvement
• alphaXiv：https://www.alphaxiv.org/abs/2607.first-evidence-of-recursive-self-improvement
• 定位信息：双层循环、§2.1-2.6、§3.1-3.2、结论

待核实问题

• 完整 PDF 协议、AIDE85 代码、外层轨迹和成本明细仍待公开与第三方复现。
• 人工研发基线、外部 benchmark 选择和两种不同基础模型带来的混杂仍需独立审计。