@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……

X AI KOLs Following 2026/06/10 22:03 工具

self-improvement ai-agents failure-categorization activegraph controlled-learning

摘要

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。

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修复智能体的目标区域。虽然有趣，但更重要的是展示这种使用activegraph即可轻松设置的自我修改类型。https://t.co/4S4fmmNfxQ

查看原文

查看缓存全文

缓存时间: 2026/06/11 17:39

我展示了一种“受控”的自我改进，采用一种新颖的“从规则到接口”方法：失败被分类，并允许修复智能体的目标区域。

虽然有趣，但这更多是为了展示一种通过ActiveGraph就能轻松搭建的自我修改类型。https://t.co/4S4fmmNfxQ

相似文章

X AI KOLs Following

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。

X AI KOLs Following

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。

arXiv cs.AI

Regimes是一个建立在ActiveGraph事件溯源运行时上的可审计、保留样本门控的改进循环。它诊断AI智能体中的失败，提出修复方案，并仅在通过多重门控后才予以提升，将LongMemEval上的准确率最多提高了+0.10。

X AI KOLs Following

本文介绍了SIA，一种自我改进的AI循环，它结合了脚手架重写和权重更新（通过LoRA）以提升任务性能。在三个不同的任务上测试，它优于仅使用脚手架改进的设置。

X AI KOLs Following

一篇论文提出了一种自我改进 AI 智能体的协议框架，支持可审计的改进提案、评估与回滚。