A-RSIが古いタスクを自動更新

A-RSIは、中国科学院IIE、CUHK、CMU、ヴュルツブルク大学、マックス・プランク研究所、トレント大学などの機関に所属する20人の研究者チームによる成果だ。論文は2026年10月28日にarXivへ投稿された。

自己改善の研究の多くはどのタスクを生成するかに焦点を当てるが、A-RSIはその前段階である、現行タスクがいつ情報を与えなくなるかという問いを扱う。この手法は、画像と独立に検証可能な参照回答を生成するモデル作成プログラムの静的ライブラリから新タスクを生成するため、正しさの検査はモデルの自己一貫性に依存しない。この設計判断が、どの時点でも人手ラベルなしでループを回せる理由かもしれない。

論文の効率比較は具体的だ。毎ウィンドウ更新を続けるベースラインは3,200タスクを消費して60.64に達するのに対し、A-RSIは800タスクで61.05に達し、約4分の1のタスク予算でより高い最終スコアを得る。ラベル不要の制約が重要なのは、ほとんどの再帰的自己改善パイプラインを大規模運用で非現実的にするボトルネックを取り除くからだと著者らは述べている。ベンチマークは数学、視覚、グラフ推論にまたがるため、狭いタスク群への偏りで平均が水増しされることはない。著者らはSMTソルバーによる検証が対象とした4つの性質のみをカバーし、実装全体の正しさまでは対象外だと注記しており、導入を検討するチームにとっては制約になり得る。