EvoAudit

研究论文提出智能体演化是大型语言模型适应的关键

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。