AITOP

技能进化

共 5 条相关 AI 资讯
8月7日
09:45
09:45官方账号arXiv cs.AI@Chen Yang, Jiashuo Tian, Ziqi Wang, Xinyin Liu, Meiru Ye, Junjie Chen
GSE 是一个全局化技能进化框架，通过联合优化技能兼容性和泛化性，解决现有方法容易过拟合的问题。它维护技能关系图来显式建模技能间关联，并用聚类整合与重放验证来提升泛化能力。在 bug 揭示测试生成和假阳性 bug 报告过滤两项任务上，GSE 在 OpenHands 和 mini-SWE-agent 上均取得最佳精确率、召回率和 F1。相比现有进化技术，测试生成的精确率和召回率分别提升 6.1%~34.1% 和 31.8%~180.0%，假阳性过滤分别提升 15.4%~96.4% 和 13.1%~19.8%。内部工业智能体部署进一步带来 61.4% 的 F1 提升。
论文GSEOpenHandsmini-SWE-agent
推荐理由：编码智能体老学不会新技能？试试 GSE 这套框架，在测试生成和假阳性过滤上比现有方法准不少，还通过了工业级验证。
原文
6月11日
06:12
6月9日
09:27
09:27官方一手arXiv: DeepSeek@Xiaojun Wu, Cehao Yang, Honghao Liu, Xueyuan Lin, Wenjie Zhang, Zhichao Shi, Xuhui Jiang, Chengjin Xu, Jia Li, Jian Guo
精选
Bayesian-Agent 是一个跨框架的 LLM Agent 技能优化框架，它将可复用的技能和 SOP 视为关于冻结模型在特定提示、上下文和环境下能否成功的假设。该框架记录验证过的轨迹证据，维护每个技能的特征条件分类后验，并根据后验状态执行修补、拆分、压缩、退役和探索等操作。在 deepseek-v4-flash 上，增量修复将 SOP-Bench 从 80% 提升至 95%，Lifelong AgentBench 从 90% 提升至 100%，RealFin-Bench 从 45% 提升至 65%。该框架还支持 GenericAgent、mini-swe-agent 和 Claude Code 等后端，表明 Agent 技能进化应视为后验引导的优化，而非未校准的提示积累。代码已开源。
论文LLM Agent技能进化后验引导
推荐理由：做 LLM Agent 开发的团队终于有了一个系统化的技能进化方法，不用再靠试错和启发式反思——Bayesian-Agent 用后验概率指导优化，效果显著且可审计，建议直接看论文和代码。
原文
6月7日
09:48
09:48官方一手pandaily@contact@pandaily.com (Pandaily)
精选
小红书（RED）研究团队提出Evolving-RL框架，通过强化学习让AI智能体在经验中自主进化技能，无需额外技能提取模块。该框架使智能体能够动态调整行为策略，适应新任务和环境变化，显著提升在复杂场景下的表现。这一方法为构建更灵活、自适应的AI系统提供了新思路，尤其适用于需要持续学习的应用场景。
AI模型强化学习智能体技能进化
推荐理由：做AI智能体开发的团队终于有了让模型自主进化的方案——Evolving-RL省去了手动设计技能模块的麻烦，做强化学习或自适应系统的开发者值得深入研究。
原文
5月28日
23:42