SelfSearch：面向自我改进 Agent 的无奖励搜索

论文提出 SelfSearch，一种无奖励信号的自我改进搜索流程：agent 利用以往自我改进回合的记录（推理、工具动作与结果）修改自身指令、工具和执行流程，搜索期间不使用下游奖励信号，以避免反复下游评测的高成本并减少搜索与特定评测任务的绑定。结果显示，在全部六个模型—基准设置上群体平均成功率均优于初始 agent，单个 agent 在 Terminal-Bench 2.1 上最高提升 11.2 个百分点；在 SWE-bench Multilingual 上成功率提升 5.0 个百分点，同时减少执行开销（摘要此处截断）。

AI推荐理由 提出 SelfSearch，一种无奖励信号的自我改进搜索流程：agent 利用以往自我改进回合的记录（推理、工具动作、结果）来修改自身指令、工具与执行流程，搜索过程中不使用下游奖励信号，从而避免反复下游评测的高成本，并降低搜索与特定评测任务的绑定。摘要给出具体结果：在全部六个模型—基准设置上，群体平均成功率均优于初始 agent，单个 agent 在 Terminal-Bench 2.1 上最高提升 11.2 个百分点；在 SWE-bench Multilingual 上成功率提升 5.0 个百分点，同时减少执行开销（摘要在此处截断）。局限是摘要未披露完整实验设置、基线细节与失败案例，提升幅度需结合原文验证。