**R^2Orch：通过技能内化循环中的自博弈实现智能体编排的递归自我改进**

_R^2Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop_

> 针对现有智能体编排面临的手设课程、优势坍塌及评估信号不可靠等挑战，论文提出了 R^2Orch 新范式。该框架通过“自博弈”实现递归自我改进：内环在自选任务上优化编排器，外环优化内环改进机制。研究引入“递归可学性”目标以奖励能产生不同结果的任务选择，并提出“技能剔除”策略，当自博弈验证无需某技能即可达到同等表现时将其移除。实验表明，该模型在问答、数学、代码及交互任务上均优于基线，最终导向零技能部署。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-02 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22740)