Recursa让基础模型系统自己改自己：法律基准留出任务全通过率从30.0%升到55.0%
Recursa把基础模型系统在新领域中的适应拆成两步：先从领域材料自举出可导航的知识库，再让同一模型扮演求解者与学习者，通过并行子学习者的诊断、编辑与验证反复改写指令、技能和记忆。在Harvey LAB的Firm Knowledge法律基准上，以DeepSeek-V4.1-Flash为求解者时，留出测试任务的全通过率从30.0%升到55.0%；以Qwen3.8-Flash为求解者时从35.0%升到46.0%，全程没有更强模型或人类专家改写。