两篇研究论文探讨了大型语言模型（LLMs）的智能体演化概念。第一篇论文《表面之下：当我们谈论智能体演化时我们忽略了什么》研究了在不更新模型权重的情况下进行递归自我改进的方法，发现更高的基准分数并不总是能保证可靠或有效的收益，并且可能增加成本。第二篇论文《立场：智能体演化是演化大型语言模型的途径》认为，智能体演化对于大型语言模型适应不断变化的现实世界环境至关重要，并提出了一个名为 A-Evolve 的框架，将部署时改进视为一个目标导向的优化过程。 AI
影响 智能体演化可能为大型语言模型适应动态环境提供一条新途径，从而可能提高其长期效用和鲁棒性。
排序理由 两篇在 arXiv 上发表的关于大型语言模型智能体演化的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2611.07624v1 Announce Type: new Abstract: Agent harness evolution enables recursive self-improvement (RSI) without updating model weights. We examine whether higher benchmark scores yield reliable, efficient, and transferable improvement. We evaluate four methods across har…
arXiv:2602.00359v3 Announce Type: replace Abstract: As Large Language Models (LLMs) move from curated training sets into open-ended real-world environments, a fundamental limitation emerges: static training cannot keep pace with continual deployment environment change. Scaling tr…