@yoheinakajima: 不太新颖，但仍非常有趣的一个关键点是采用门控方法进行自我修改：智能体基本上会fork自身……
摘要
讨论了一种针对AI智能体自我修改的门控方法，智能体通过fork自身、提出补丁、并运行多项测试（静态/沙箱/diff）后，修改才会生效。
不太新颖，但仍然是十分有趣的要点——采用门控方法进行自我修改
智能体基本上会fork自身，提出一个补丁，运行多次测试（静态/沙箱/diff），以及一个名为binding held out gate的步骤，之后修改才会生效。https://t.co/eZ8y0dv8W0
查看缓存全文
缓存时间: 2026/06/11 17:40
虽然不算新颖，但在我看来非常有趣的是这种门控式的自我修改方法：智能体基本上会fork自己，提出一个补丁，通过多个测试（静态/沙盒/差异），并在修改落地之前存在一个所谓的“绑定保持门控“。https://t.co/eZ8y0dv8W0
相似文章
@yoheinakajima：我展示了一种新颖的“regime-to-seam”方法，用于受控的自我改进，其中失败被分类并允许……
作者展示了一种受控的自我改进方法，适用于AI智能体，使用一种称为“regime-to-seam”的方法，将失败分类以修复目标区域，该方法基于activegraph构建。
@yoheinakajima：我当前受 @activegraphai 启发的模块化仓库中心智能体操作系统方案
Yohei Nakajima 概述了一种以仓库为中心的模块化智能体工作架构，其中持久化单元是受治理的项目仓库，而非模型或对话，智能体作为可替换的执行组件在持久状态之上运行。
@SchipperAI: 来自 @badlogicgames 和 @mitsuhiko 与 @GergelyOrosz 访谈的最大收获是，就像你可以让 Pi 扩展自身一样…
与 @badlogicgames 和 @mitsuhiko 的访谈的关键收获：自我改进的软件以及构建原语，使得代理能够在不进行分支（fork）的情况下改变项目，这是一个值得探索的范式。
@yoheinakajima: 在 arxiv 论文 #2 中，我处理了论文 #1 中的最后一个主题：@activegraphai 作为自我改进代理的架构可供性 self-improv…
本文介绍了Regimes，一种基于ActiveGraph运行时的可审计、保留门控改进循环，用于自我改进代理。它通过在LongMemEval数据集上自主发现通过静态检查、沙盒执行和保留验证的提示修复，展示了适度的改进。
@qinzytech: https://x.com/qinzytech/status/2066585405479371092
对构建自我进化AI代理的两种方法的技术分析：基于模型的方法（通过像SSMs或具有快速权重更新的transformer等架构，以及训练方法）和基于工具的方法（通过内存或能够自我重写的元工具）。作者为不同受众提供了实用建议。