研究與評測
Prime Agent 開源發布:透過遞迴子代理與持續運算,將 ARC-AGI-3 準確率從 30% 提升至 95.5%
HF Daily Papers一手來源
尚未逐項核實
來源為發布方或研究資料;不代表所有主張已獲獨立核實。
Prime Agent 是一個開源的長程評估與程式代理工作流程框架,透過遞迴子代理、持續運算與代理間協作,擴展語言模型在程式編寫與推理任務上的長程能力。
該框架提供持續的 IPython REPL 進行程式化上下文處理與測試時運算(test-time compute),並透過 Continual Harness 保留執行軌跡中的歷史紀錄、記憶、技能、提示詞與子代理規格。遞迴子代理可透過直接通訊進行協作,人類也能透過 Agents View 介面檢查並管理背景執行的會話。
測試數據顯示,Prime Agent 將 ARC-AGI-3 RHAE Best@1 的準確率從 30% 大幅提升至 95.5%。在長上下文程式編寫、GPU 核心生成、模擬器建構與自主 nanoGPT 競速等任務中,其表現均追平或超越現有主流框架;在 Factorio 遊戲測試中,專屬子代理更展現了持續推進技術與平行化作業的能力。程式碼已於 GitHub 釋出。
讀原始報導背景
遞迴語言模型(Recursive Language Models, RLMs)是一種推論架構,允許語言模型將長提示詞視為外部環境,透過程式化方式拆解並遞迴呼叫自身來處理中介運算。此外,新聞中提及的 ARC-AGI 相關研究是由 Keras 創作者 François Chollet 所推動,主要專注於機器學習在形式推理與抽象化領域的應用。