OPD-Evolver

SkillDuet 通过共同进化技能循环推进 AI 代理训练 · 跟踪到 1 个来源

一篇新论文介绍了 SkillDuet，这是 AI 代理训练的一项进展，它建立在 SEED-API 框架之上。虽然它不是 Qwen4 的直接后继者，但它在实验中使用了 Qwen3-4B，并整合了先前关于代理技能和强化学习工作的概念。SkillDuet 的核心创新在于其共同进化循环，其中代理技能和模型参数相互影响，以及一种新颖的“强度”评分机制，该机制根据技能对模型响应变化的影响来评估技能，优先考虑那些显著塑造模型行为以实现长期保留的技能。