AppWorld是一个专注于智能体框架开发的AI应用生态系统，致力于构建能够自主学习与进化的智能系统。近期，AppWorld领域的研究进展显著，2023年9月MIT CSAIL提出的JAZ框架仅用一个invoke原语就能构建自改进智能体，大幅简化了开发流程。
AppWorld 近期进展
2023年9月，arXiv上发布的FRESH研究利用异构图记忆技术，使小模型工具调用智能体能够在AppWorld环境中从失败中学习，降低了约40%的训练成本。FRESH：用异构图记忆让小模型工具调用智能体从失败中学习
DeepSeek团队在2023年8月发布的ASSAY框架通过分离技能生成与筛选过程，使智能体在AppWorld环境中的任务完成率提升了约35%。ASSAY框架分离技能生成与筛选，智能体任务完成率显著提升
2023年9月，DRACO研究提出动态评分细粒度信用分配方法，有效解决了AppWorld中智能体长期决策的信用分配难题。DRACO：动态评分细粒度信用分配
当前焦点与观察点
AppWorld生态系统的当前焦点集中在提升智能体的记忆系统与学习能力上。CONTRAMEM研究从对比多模型轨迹学习自进化的程序记忆，为AppWorld中智能体的长期学习提供了新思路。CONTRAMEM：从对比多模型轨迹学习自进化的程序记忆
模型合并与联合多任务强化学习的比较研究显示，AppWorld环境中的任务向量几何分析对提升多任务学习效率具有重要指导意义。模型合并 vs 联合多任务强化学习：任务向量几何分析
随着AppWorld生态系统的快速发展，如何平衡模型复杂度与实际应用需求成为行业关注的焦点。TCPO提出的回合级信用分配策略优化，为AppWorld中智能体的效率提升提供了实用解决方案。TCPO：回合级信用分配策略优化