现在 RSI 的工作漫天飞，看来看去，绕不开几个核心问题：
[list=1]
[*]怎么更高效地 sampling ，找到值得尝试的改动？
[*]得到新 variant 后，怎么准确判断它有没有变好？
[*]怎么保持多样性，避免越进化，路越窄？探索与利用、评估、多样性，都是熟悉的老问题。严格说，这些方法不全是 RL ，但换成“自进化”的名字，也没让这些问题消失。
[/list]我们想做的是 RSI 领域的 scikit-learn：基于 Meta-learning 思路，把进化算法模块化。目标是让 GEPA 、RRSI 、Harness² 这类算法更容易实现和比较。目前已经实现了一个 GEPA 变体，用任务轨迹和评测反馈迭代优化 Agent 的提示词、工具和工作流。
[img]https://wizardty-gear.static.hf.space/assets/gear-hf-cover.gif[/img]
当前实验结果表明：在 AutomationBench 的 100 道公开 Marketing 题上，Luna + Gear 优化后的 DSH ，目标完成率达到 88.88%，高于 Astra + Codex 的 84.08%。这批题参与过优化，泛化效果还需独立验证。另外，同用优化后的 DSH 时，Luna 的单任务 API 等价费用比 Astra 低约 95%，不含优化开销。
如果你在学习 RSI ，可以从 Gear 的完整实验入手；如果你在研究算法，可以复用执行和评测流程；如果你想用在自己的业务里，准备一套任务和验收标准，就可以开始优化专属 harness 。
Github: https://github.com/rsi-gear/gearPaper: https://huggingface.co/spaces/WizardTY/GEAR
⚠️内容来自互联网，如有侵权请点击反馈！侵权投诉