论文页面 - OPD-Evolver: 通过在线策略蒸馏培养整体性智能体进化器

来源：https://huggingface.co/papers/2606.17628

摘要

OPD-Evolver 是一个自我进化的智能体框架，它将慢快协同进化与在线策略自蒸馏相结合，以增强跨多个领域的记忆管理与策略学习。

记忆已成为自进化智能体的标准基础，但保留经验并不等同于学习如何通过经验进化。现有的记忆智能体可以存储轨迹、检索反思或积累技能，但通常缺乏选择有用经验、据此采取行动、编写可复用知识并维护不断增长存储库的整体能力。我们引入了 OPD-Evolver，一种通过 在线策略自蒸馏 培养此类 智能体进化器 的 慢快协同进化 框架。在快循环中，OPD-Evolver 与一个四级 记忆层次 进行交互，以读取、使用、编写和维护经验，实现快速的测试时进化。在慢循环中，结果校准的记忆归因与特权事后洞察将这些四种能力蒸馏到可部署的策略中。跨多领域基准测试中，OPD-Evolver 在记忆系统（如 ReasoningBank）上最高提升 11.5%，在基于训练的方法（如 Skill0）上提升约 5.8%。进一步分析表明，OPD-Evolver 内化了高价值经验与 记忆管理，使得 OPD-Evolver-9B 能够挑战如 Qwen3.5-397B-A17B 和 Step-3.5-Flash 等庞然大物，指向真正合格的 智能体进化器，而非仅凭记忆增强的智能体。

查看 arXiv 页面 (https://arxiv.org/abs/2606.17628) | 查看 PDF (https://arxiv.org/pdf/2606.17628) | GitHub0 (https://github.com/bingreeky/opd-evolver) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.17628)

引用此论文的模型1

greeky/OPDEvolver 更新于约1小时前 (https://huggingface.co/greeky/OPDEvolver)

引用此论文的数据集0

暂无关联此论文的数据集

请在数据集 README.md 中引用 arxiv.org/abs/2606.17628 以从本页面链接。

引用此论文的 Spaces0

暂无关联此论文的 Space

请在 Space README.md 中引用 arxiv.org/abs/2606.17628 以从本页面链接。

包含此论文的收藏0

暂无包含此论文的收藏

请将此论文添加至一个收藏以从本页面链接。