RSIHub：把智能体进化研究变成可复用、可比较的工程流程

导语

让智能体通过执行反馈不断改进提示词、技能、工具和编排方式，已经成为提升复杂任务能力的一条重要路线。但在实际研究中，不同方法往往需要分别实现任务执行、候选管理、评估、失败恢复和实验记录，导致大量工程重复，也增加了公平比较的难度。ByteDance 团队提出的 RSIHub，正是针对这一问题设计的开源框架。

核心要点

• 以组合方式描述进化流程。 RSIHub 将研究方法拆解为可复用的 operators（算子）和 recipes（配方）。配方负责声明哪些资源可以被修改，例如提示词、技能、工具或智能体编排；算子则执行具体的生成、选择或更新操作。
• 把通用实验基础设施集中管理。 框架提供执行、评估、恢复和 lineage（谱系追踪）能力，使每个候选方案、产生过程和评估条件保持关联。研究者无需为每个新方法重复搭建整套实验管线。
• 保护评估边界。 评估逻辑被置于可变资源之外，减少进化过程直接改变评测标准的风险。这样，方法比较可以更多聚焦于进化策略，而不是某个实现是否拥有额外的工程便利。
• 复现多种已有方法。 论文在不修改框架核心的情况下，实现了 AHE、Hyperagents、A-Evolve 和 GEPA，说明方法特定的逻辑能够保留在配方与算子层。
• 结果并非单一赢家。 团队使用 MiniSWE 与 Codex，在 Terminal Bench 2 和 τ³ Banking 上进行实验，并固定模型及评估配置。观察到的最高整体 pass@1 增益为 13.5 个百分点，但不同设置下的方法排名会发生变化，优化所得能力也不总能迁移到未参与优化的任务。

意义与影响

RSIHub 的价值不只是提供一套代码模板，更在于尝试建立智能体进化研究的共同协议。对于研究者而言，可组合组件能够降低实现新想法的门槛，候选历史和评估条件的关联则有助于定位某次改进究竟来自哪一步。对于社区而言，多个方法在共享基础设施上运行，可以减少由数据流程、执行环境或记录方式不同带来的比较偏差。

不过，框架并不能自动解决智能体进化中的核心科学问题。实验结果已经提示，某种策略在一个模型、基准或任务设置中有效，并不意味着它具有普遍优势。因此，RSIHub 更适合作为可重复实验和系统比较的基础，而不是一个保证性能提升的“自动进化引擎”。下一步的关键，仍是设计更稳健的评估协议，理解改进能否跨任务迁移，并探索新的资源类型与进化策略。

来源：Hugging Face Daily Papers