AITOPAI热报
PapersSelected

SIA：将智能体视为可编辑系统，实现自改进

Official accountAlphaSignal@AlphaSignalAI
Post
View the post
Why we picked it

这篇SIA讲一个让智能体自己改进的方法，不只调提示，还能改工具和权重，在LawBench上做到了70.1%，代码也开源了。

SIA论文提出将智能体视为可编辑系统，更新目标包括工具、解析器、验证器和权重。在LawBench基准上达到70.

Body

1%准确率。其CUDA内核运行仅1,017微秒，去噪任务mse_norm为0.

289。论文提供公开仓库，支持选择聚焦于工具链或权重。

核心结论是自改进智能体的性能取决于验证器质量。

Original · AlphaSignal

SIA is interesting because it treats agents as editable systems.

Not just prompts.

Tools, parsers, verifiers, harness code, and weights all become update targets.

The paper reports:

> 70.1% on LawBench > - 1,017 µs CUDA kernel > 0.289 mse_norm on denoising

Public repo makes you pick "--focus harness" or "--focus weights".

The paper’s automatic switch is the missing piece. Real lesson: a self-improving agent is only as good as its verifier.

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Papers" desk. Key entities and technical topics under continuous tracking include SIA, LawBench, 智能体, 自改进.

Source attribution: curated from AlphaSignal (@AlphaSignalAI).

#SIA#LawBench#智能体#自改进#验证器

Keep reading

Recent stories with the same tag or section
Models78°03:00
Chinese content开源递归自我改进框架 SIA 发布，AI 智能体可自主优化模型权重

做 AI 智能体开发的团队终于有了一个能自我进化的开源框架——SIA 让模型从“冻结工人”变成“持续学习者”，直接提升任务效果，建议研究自优化系统的开发者点开看看。

#递归自我改进#开源/仓库#智能体#模型权重更新
Event
rohanpaul_ai@rohanpaul_aiSource
PapersBuildersOfficial15:27
Chinese content浙江大学推出 SpaceCast-Bench：最强视觉模型空间预测仅 58%，人类 87%

浙江大学这个新基准专挑 VLM 的痛点测：场景变了，模型能不能推出空间关系怎么变。结果 21 个模型里最强的只拿到 58%，人类是 87%。做机器人、具身智能或视频方向的同学可以用它来量化自家模型到底差在哪。

#SpaceCast-Bench#VLM#空间推理#基准测试
Primary sourcePandaily@[email protected] (Pandaily)Source
PapersBuilders15:04
Chinese contentCoReMem：为连续编码任务设计代价内化的记忆框架

arXiv上这篇论文解决了编码智能体记忆该存什么、什么时候用的问题。它把读写记忆的成本算进训练目标，在ChainSWE基准上让27B模型解决率从21.0%提到25.7%，还少走17%的步数。做智能体记忆或SWE agent的团队值得对比看看。

#CoReMem#编码智能体#ChainSWE#记忆机制
arXiv cs.AI@Peiwen Li et al. (9)Source
PapersPolicy15:03
Chinese contentSynthesis Smuggling：恶意 LLM 可将推断的用户隐私隐写进输出内容

两帮人做 LLM 安全的可以看看这个：作者训练了两个开源模型，能从聊天里推断你的性别和年龄段，再用不可见字符藏进生成的文本里。你把 AI 写的邮件发出去，隐私就跟着泄露了。做内容安全和隐私合规的人应该认真评估这类风险。

#LLM安全#隐写术#隐私保护#AI安全
arXiv cs.AI@Gautam Galada et al. (3)Source
PapersBuilders15:03
Chinese contentLiveGeo 基准发布：地理智能体在持续演化世界中的可靠性评测

这个基准把地理环境做成了会随时间变化的平台，智能体得主动查信息、验证旧结论还失效没失效。目前没有哪个前沿模型能全面搞定，做 Agent 评测和地理信息应用的开发者可以拿来测自己的方案。

#LiveGeo#GeoWorld#LLM智能体#基准测试
arXiv cs.AI@Pengcheng Zhou et al. (9)Source