R²Orch 提出递归自玩编排：用技能撤除逼近零技能部署

一句话看懂：Hugging Face Papers 收录的论文摘要提出 R²Orch，一种让智能体编排器通过内层自玩与外层“改进改进方式”的递归框架，目标是在技能逐步撤除后仍能完成任务。它值得关注，因为它正面处理了编排学习中课程靠人工设计、优势塌缩和评估信号不可靠三个常见问题。

事件核心：发生了什么

根据 2026 年 10 月 22 日发布的论文摘要，作者提出 R²Orch，即“递归自玩编排”新范式。其结构包含两层循环：内层循环通过自玩在模型自己选择的任务上提升编排器；外层循环则改进内层循环的改进方式。为支撑这一范式，作者引入“递归可学习性”训练目标，奖励提议者选择那些在技能被撤除后仍能产生不同结果的任务。基于该目标，他们进一步提出“技能撤除”：当自玩中的受控评测显示没有某项技能时编排器表现一样好，外层循环就撤除该技能。摘要称，失败被蒸馏为技能、技能被蒸馏为参数，撤除又促使提议者寻找新失败，从而朝“零技能部署”推进。

为什么重要

当前智能体编排学习通常依赖人工设计训练课程，且当一个任务的所有 rollout 得到相同结果时会出现优势塌缩，单次带噪声的评分也难以可靠判断每项技能的价值。R²Orch 的思路是把“学什么任务”和“怎么改进学习过程”都交给递归循环，并用技能撤除检验技能是否真正被内化。需要说明的是，目前公开信息仅为论文摘要，尚未核验全文实验；摘要提到的十二个数据集上优于基线，是作者在问答、数学、代码和交互任务中的报告结果，不应理解为永久排名或已上线的产品能力。

对用户/开发者/创作者的影响

对开发者而言，这类研究指向一种更少依赖手工课程和固定技能清单的编排训练方式，若方法成熟，可能降低构建多工具智能体时的调参成本。对使用 AI 应用的创作者和企业来说，短期影响仍停留在研究层面：摘要没有给出可调用的 API、开源模型权重或产品发布时间，代码仓库链接仅表明作者公开了代码。现阶段更适合把它当作编排训练路线的观察样本，而不是可直接采用的工具方案。