開發者推出 Gear 框架，旨在簡化 Recursive Self-Improvement (RSI) 的實驗與比較

Gear 是一個受元學習啟發的開源框架，將 RSI 中的搜尋決策與執行、評估分離，讓 GEPA 等方法的實作更標準化。開發者測試顯示，搭配 GPT-5.6 Luna 時，部分基準任務的通過率有所提升，且 API 成本大幅降低。

AI 新聞雷達編輯團隊·本站收錄：2026/11/01 03:25（台灣時間）·閱讀約 2 分鐘

本站收錄時間為新聞雷達完成整理的時間，不代表事件發生時間。原文日期僅在取得明確來源證據時顯示；未標示者請參閱下方原始來源。

30 秒掌握

Gear 框架將 RSI 流程模組化，分離搜尋、執行與評估環節，目標是讓不同 RSI 方法更易於實作與比較。

在特定測試中，使用 Gear 優化後的提示詞與工具工作流，GPT-5.6 Luna 在 AutomationBench 等基準的任務通過率有所提升。

開發者指出，在最高推理強度設定下，Luna 搭配優化後的工作流，其 API 成本比 Astra + Codex 組合低約 95%，但嚴格任務通過率略低於後者。

Gear 框架的設計理念與架構

開發者在閱讀多篇關於 Recursive Self-Improvement (RSI) 的論文後，發現該領域反覆出現與強化學習及演化搜尋類似的問題：如何有效率地找到有潛力的改變、如何確認新變體確實改進代理表現，以及如何避免過早收斂。

為了解決這些問題，開發者建立了 Gear，這是一個受元學習啟發的開源框架。其核心機制是讓任務代理產生執行軌跡，再由元代理利用這些軌跡與評估回饋來改進提示詞、工具、工作流和上下文管理。

Gear 的設計重點在於將搜尋決策從執行與評估過程中分離出來。開發者的目標是打造一個類似 scikit-learn 的工具庫，讓 GEPA、RRSI 和 Harness² 等現有方法更容易被實作和進行公平比較。

目前 Gear 已包含一個可運作的 GEPA 變體，具備共享失敗診斷與分階段評估的功能。開發者使用 GPT-5.6 Luna 模型，並將其推理強度設定為中等，進行了一系列基準測試。

在 AutomationBench Marketing 任務中，基礎版本的通過率為 27.0%，而經過 Gear 優化的版本達到 40.0%。在 AutomationBench Support 任務中，通過率從 17.0% 提升至 25.0%。

在 Terminal-Bench 2.1 測試中，基礎版本的通過率為 52.8%，優化後則提升至 62.9%。這些數據顯示 Gear 的優化流程在特定任務上能帶來性能增益。

開發者進一步將 GPT-5.6 Luna 設定為最高推理強度，並使用優化後的工作流進行測試。在 Marketing 任務中，Luna 達成了 88.88% 的目標完成度，相比之下，Astra + Codex 組合的完成度為 84.08%。

然而，若以嚴格的任務通過率計算，Luna 為 53%，而 Astra + Codex 為 57%。這表明 Luna 的優勢主要在於部分任務的完成度較高，而非完全通過測試的比例。

在成本方面，當兩個模型都使用相同的優化工作流並設定為最高推理強度時，Luna 每個任務的平均 API 成本估計為 0.0568 美元，而 Astra 則高達 1.1858 美元。這意味著 Luna 的成本低了約 95.21%，但此數據未包含優化過程與基礎設施的成本。