论文页面 - PILOT：长周期智能体的实时自进化

来源：https://huggingface.co/papers/2608.26530

摘要

PILOT 通过允许监督者引导活跃工作者并将执行经验提炼为可复用技能，实现了实时自进化，从而提升了准确性与效率。 长周期智能体运行过程中产生的经验既能改进当前运行，也能优化未来任务。现有的自进化方法大多仅在执行结束后处理这些经验，因此无法在运行过程中重定向当前任务，也无法立即应用和验证从经验中学到的教训。我们认为，自进化应具备实时性，既能利用生成中的经验来调整当前运行，也能更新持久化的任务框架。现有的智能体架构并未完全支持这一目标。单智能体自纠正（https://huggingface.co/papers?q=self-correction）将任务执行和轨迹评估结合在单一上下文中，而子智能体委派（https://huggingface.co/papers?q=subagent%20delegation）虽然将执行过程分离，但通常无法重定向正在运行的子智能体。我们提出了PILOT，一个用于实时自进化的监督者-工作者框架（https://huggingface.co/papers?q=supervisor-worker%20harness），其核心是两项耦合机制：(1) 实时引导（https://huggingface.co/papers?q=live%20steering）允许独立的监督者在工作者执行期间对其进行重定向或中止；(2) 实时自进化（https://huggingface.co/papers?q=live%20self-evolution）将执行过程中暴露的流程与失败模式提炼为可复用技能（https://huggingface.co/papers?q=reusable%20skills）和记忆（https://huggingface.co/papers?q=memory）。在跨两个冻结骨干模型和三个基准测试的评估中，PILOT在六项配置中有五项排名第一。在Terminal-Bench 2.0上，PILOT相比同类框架最高领先达9.8个百分点。在自进化设置下，PILOT结合GLM-5.1提升了14.6分，结合Kimi-K2.6提升了12.4分。平均输出token数分别下降42.9%和47.4%，而每百万输出token的成功评估次数则分别提升110.3%和134.0%。

查看arXiv页面 (https://arxiv.org/abs/2608.26530) 查看PDF (https://arxiv.org/pdf/2608.26530) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.26530)

在您的智能体中获取本文：

hf papers read 2608\.26530

尚未安装最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型

0 无模型关联本文

在模型README.md中引用 arxiv.org/abs/2608.26530 以从本页建立链接。

引用本文的数据集

0 无数据集关联本文

在数据集README.md中引用 arxiv.org/abs/2608.26530 以从本页建立链接。

引用本文的Spaces

0 无Space关联本文

在Space README.md中引用 arxiv.org/abs/2608.26530 以从本页建立链接。

包含本文的收藏

0 无收藏包含本文

将本文添加至收藏 (https://huggingface.co/new-collection) 以从本页建立链接。