Recursive Agent Optimization (RAO)은 재귀적 에이전트 훈련을 위한 강화 학습 방법입니다.
RAO는 에이전트가 자신을 재귀적으로 복제하고 하위 작업을 위임할 수 있도록 하여 더 긴 컨텍스트에 적응하고 어려운 문제를 해결할 수 있도록 합니다.
연구 결과, RAO로 훈련된 재귀적 에이전트는 더 나은 훈련 효율성, 컨텍스트 창을 초과하는 작업 확장, 더 어려운 작업에 대한 일반화, 단일 에이전트 시스템 대비 감소된 벽시계 시간을 누릴 수 있습니다.