智能体编排器无需人工课程自学进化
推荐指数 67.0 NO. 030 · 2026.11.03
upvotes88comments1
简介
R²Orch 通过递归自博弈和可学习的任务选择机制，让智能体编排器自动内化技能，无需人工设计训练课程。解决了编排学习中优势坍塌和评估信号噪声大的核心痛点，在推理和交互任务上均有提升。
媒体预览
编辑判断
当前智能体编排的主流做法依赖人工设计课程或静态基准，AutoGPT、LangGraph 等框架的编排逻辑大多是硬编码的。R²Orch 的关键创新是引入了"技能撤回"机制——当某个技能在所有 rollout 中收敛到相同结果时自动降级该技能，避免了传统 RL 中的优势坍塌问题。
实验显示该方法在 WebShop 和 HotpotQA 等交互任务上超过了 ReAct 和 Reflexion 基线，但论文未披露具体训练成本。代码尚未开源，如果后续放出，做复杂 Agent 工作流的团队可以优先替换掉现有的固定编排层。