LlamaFactory 团队发布递归自我改进（RSI）方向的统一高效框架(70k stars)

👋 大家好！好久不见！我们是 LlamaFactory 团队。在 GitHub 上收获 7 万星之后，我们正在打造递归式自我改进（RSI）领域的 “LlamaFactory”，致力于构建一个统一、高效、稳定、灵活的智能体自我进化框架。很高兴能和大家分享我们团队的最新工作。

简单来说：

🐧 我们开源了 PenguinHarness，这是一个多智能体自我进化框架，将所有 RSI 算法整合到一个平台中，目前在 GitHub 上已获得超过 2600 星。

📖 为了更全面地了解现有的 RSI 研究，我们研读了 140 篇论文，将其整理分类到 awesome-rsi 仓库中，并发表了一篇综述论文。

📊 为了公平比较不同算法的自我进化效率，我们构建了 GDPevo，这是一个涵盖 6 个企业场景和 240 个任务的自我进化基准，并用它评估了 6 个主流智能体。

详情如下：

秉承与 LlamaFactory 相同的理念，我们希望将所有与 RSI 相关的数据、模型、算法和基准整合到一个统一的开源框架中，让每个人都能更轻松地尝试和调试 RSI。我们已经集成了 5 种 RSI 算法和 7 个基准，未来目标是达到 100 个以上。

借鉴 DSH “万物皆插件” 的思路，我们将每种算法和基准都封装成插件。它们完全解耦，因此用户可以自由组合任意 RSI 算法来进化不同的智能体。我们还开发了一个现代化的桌面客户端，支持在任何操作系统上一键安装并本地运行，大家可以从我们的网站获取最新版本。

网站：
开源仓库：

为了更好地了解当前学术研究的进展，我们开源了 awesome-rsi 仓库，并发表了一篇涵盖 140 篇最新研究的综述论文。我们还将 RSI 的发展轨迹与深度学习进行了对比——许多概念一一对应，只不过现在的研究对象变成了智能体。

开源仓库：
论文：

为了更好地评估不同框架和方法在自我进化方面的表现，我们构建了 GDPevo 基准，涵盖 6 个真实企业场景和 240 个任务。通过训练/验证集划分，它能公平衡量智能体的自我进化能力，同时防止过拟合。

开源仓库：
论文：

这篇推文不仅仅是关于我们的工作。我们也希望邀请学术界和工业界的朋友加入我们的开源项目。如果你想在开源项目中留下自己的名字，并与我们共同发表论文，欢迎私信我们，一起交流！