@dair_ai：距离能自我生成世界知识的智能体还有多远？该研究提出一种基于结果的奖励，用于量化……
摘要
一篇新论文提出了一种基于结果的奖励机制，可量化智能体自生成的世界知识对任务成功率的提升，使其在推理阶段无需外部指导即可持续改进。
查看缓存全文
缓存时间: 2026/04/23 05:41
我们距离能“自我生成世界知识”的智能体还有多远？本文提出了一种基于结果的奖励，衡量智能体自我生成的世界知识对其任务成功率的真实提升。推理阶段再移除外部引导。结果：A
相似文章
@dair_ai: 关于自我改进智能体的优秀论文：
本周一篇重要的AI论文探讨了自我改进智能体是否真正发现新知识，还是仅仅在重新混合现有信息。
奖励作为具身世界模型的智能体
本文介绍了奖励作为智能体（Reward as an Agent）和DynDiff-GRPO，以解决具身世界模型中强化学习的奖励黑客攻击和有限探索问题，实现了显著的准确率提升。
通过世界知识探索训练LLM智能体实现自发、无奖励的自我进化
# 论文页面 - 通过世界知识探索训练LLM智能体实现自发、无奖励的自我进化 来源：[https://huggingface.co/papers/2604.18131](https://huggingface.co/papers/2604.18131) ## 摘要 具备内在元进化能力的智能体通过在没有外部监督的情况下自主生成的世界知识，在网页导航任务中展现出更优的性能。如今大多数智能体通过遵循人类定义的奖励和规则来``自我进化''。然而，
@itarutomy: 一篇从头重建AI Agent研究"知识基础设施"的论文 (https://arxiv[.]org/html…
本文介绍了Agents-K1，一个基于246万篇论文构建的知识图谱系统，通过整合文本、图形、表格和方程式，以及五级引用分类，提升了AI Agent研究。它显著提高了Gemini-3和GPT-5.2等顶级模型在基准测试中的表现，表明优化知识结构比扩大模型规模更有效。
@DataScienceDojo：大多数AI代理一遍又一遍地在相同任务上失败。不是因为模型不好，而是因为没人告诉它该如何工作……
一篇新论文介绍了Self-Harness，一种让AI代理通过分析自身失败、生成修复方案并测试它们来自我改进的方法，从而将通过率提高了最多21个百分点。