RSIHub: A Composable Framework for Agent-Evolution Methods

一个让智能体“用执行反馈改进自己”的开源实验框架：把选择、执行、分析、修改、护栏、评估、吸收拆成固定环节，提示词、技能、工具和智能体代码都可以作为可修改面，评估器始终冻结在外；AHE、Hyperagents、A-Evolve、GEPA 四种方法都以配方形式实现，不改框架核心。 点赞 34 · 代码星数 198 **理由** - 解决各家自进化方法各自重造实验机器、结果难以横比的问题：同一模型、同一评估器下比较，候选的每一代都和分数、产物、Git 提交绑定可追溯。 - 作者在 Terminal Bench 2 和 τ³ Banking 上用 MiniSWE 和 Codex 两种目标智能体测了四种方法，最大 pass@1 提升 13.5 个百分点，但方法排名随设置变化，训练集上的提升不一定迁移到留出任务（作者称）。 - README 展示了整包进化一个 Skill（说明、参考资料、校验脚本一起改）：论文转海报任务的确定性通过率从第 0 代的 1/4 到第 2 代的 4/4，作者注明只是一次代表性运行。 - 代码星数 198，是本期代码星数最高的论文，只代表关注度。 **用法** - 代码：github.com/simple-agent-lab/RSIHub（Apache-2.0，Python 3.12+），有中英文 README 和文档站。 - 上手：./scripts/setup\_terminal\_bench.sh 准备 Terminal-Bench 2.0 子集，再 ./scripts/run\_recipe\_demo.sh 跑一个配方；可选配方 hill\_climb、aevolve、ahe、gepa、hyperagents，按要改的是目标代码还是提示词 / 技能选择。 - 每次试验在 Harbor 容器里执行并保留完整轨迹；evolve view \<实验目录\> 打开只读的实验浏览页查看各代修改和得分。 **风险** - README 自称仍是研究原型；基准结果用 GPT-5.4（高推理强度）当目标模型、GPT-5.4 驱动修改环节，复现需要相应 API 额度。 - 表中部分方法在部分设置下没有提升；数字均为作者报告。 [打开](https://arxiv.org/abs/2610.32253) · [代码](https://github.com/simple-agent-lab/RSIHub) · [抱脸论文页](https://huggingface.co/papers/2610.32253)