论文页面 - Macaron-V1：迈向具有自我改进与 Mixture-of-LoRA 的开放持续学习

来源：https://huggingface.co/papers/2608.09819
发布于 8 月 10 日

#2 今日论文（https://huggingface.co/papers/date/2026-08-11） 作者：

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

，

摘要

Macaron-V1 是一个面向体验式智能的开放智能体模型系列：在真实环境中从经验中学习，并在部署后继续学习。它围绕两个系统目标进行组织。自适应通过版本化模型-测试框架对的递归改进来实现，其中一个配置的经验在外部契约下进行评估，并用其构建后继配置。协作则通过 Mixture-of-LoRA（MoL）架构实现，该架构冻结基础模型，组合专家 LoRA 适配器，并在每个用户轮次选择一个 LoRA。旗舰版 Macaron-V1-Venti 将 744B GLM-5.2 基础模型与四个 LoRA 相结合，分别用于聊天、智能体、编码和 GenUI；基于 Qwen3.6 的 Macaron-V1-Tall（50B）采用相同设计用于本地部署。本报告将 Macaron-V1 呈现为一个涵盖架构、算法和基础设施的协同设计系统。MoL 架构通过可扩展的 LoRA 专家支持持续学习。该算法结合了模型-测试框架协同设计和递归自我改进循环，包括 UI4A 组件原生 GenUI 测试框架、有状态动作基座、版本化 HCP 契约，以及智能体强化学习框架 MindForge。支持性基础设施包括后训练平台 MinT、长上下文强化学习方法 LongStraw，以及针对稀疏 MoE 和 DSA 基础模型的稳定性技术。我们在 Personal Intelligence、GenUI 和通用能力基准上对 Macaron-V1 进行评估，并与前沿基线进行比较。我们的结果验证了当前系统，而持续学习和集体智能带来的复合增益仍是开放性问题。

查看 arXiv 页面（https://arxiv.org/abs/2608.09819）查看 PDF（https://arxiv.org/pdf/2608.09819）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2608.09819）

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2608.09819，即可从此页面链接到该模型。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2608.09819，即可从此页面链接到该数据集。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2608.09819，即可从此页面链接到该 Space。

包含此论文的集合1