主要来源arXiv: DeepSeek
查看原文事件专题 ·官方一手
SelfSearch：无奖励搜索提升智能体自我改进
研究人员提出SelfSearch方法，让智能体利用历史自我改进记录进行优化，无需下游奖励信号。在六种模型-基准测试中，该方法使种群平均成功率提升，单个智能体在Terminal-Bench 2.1上提高11.2个百分点。在SWE-bench Multilingual上，成功率提升5.0个百分点，同时降低38.5%执行成本。仅需4.03美元搜索成本，DeepSeek V4 Flash就能解决82.0%的Terminal-Bench 2.1任务。
当前结论
SelfSearch让智能体用历史经验自我改进，省钱又高效，Terminal-Bench上提升11.2%，SWE-bench降成本38.5%。
2 个信源58° AI 热度最后更新 2026/9/29 16:36:24
证据链
2 个信源相关来源 1ARC Prize
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。