MEGA：基于智慧图的自进化智能体优化基础设施

arXiv cs.AI 论文
agent-optimization self-evolving wisdom-graph compositional-reasoning meta-evaluation ai-agents

摘要

MEGA是一种自进化的基础设施，用于编码智能体优化，它从会话中提炼可复用的智慧，通过类型化智慧图对其进行组合，并利用运行证据持续改进智能体以及指导其优化的知识。

arXiv:2608.10504v1 公告类型：新 摘要：随着编码智能体日益承担实现工作，核心挑战从构建单个智能体转向构建一个能够系统性改进它们的基础设施。当前方法要么在优化智能体系统时未能积累可迁移知识，要么积累了知识却缺乏对其的组合推理能力，并且缺少一种让知识通过运行证据自我进化的机制。MEGA（元评估接地自适应）作为一种自进化基础设施解决了这些缺口：每个优化周期都会产生持久资产，对这些资产的组合推理指导后续优化，运行证据则同时改进累积的智慧以及控制智慧的推理。第1层通过行为模式聚类和经验性A/B验证从智能体会话中提炼可复用的智慧，将每个过程转化为持久资产。第2层将这些资产分解为类型化智慧图中的原子PCR（主-上下文-结果）单元，并进行演绎、溯因和归纳推理以扩展隐含关系；然后通过组合检索组装特定于上下文的执行计划，该检索能够呈现出仅靠嵌入相似性无法触及的桥接知识。第3层在异构智能体工作流（代码节点、LLM调用和使用工具的智能体）上执行多智能体协同优化，通过消除数据方差的受控评估将改进效果归因于特定的策略变化。从第3层反馈的证据驱动了管理智慧组合的策展策略以及跨运行累积的优化轨迹的自我进化。其结果是：优化一个智能体系统与进化指导优化的知识是同一个过程的基础设施。
查看原文
查看缓存全文

缓存时间: 2026/08/12 08:25 

# MEGA：基于智慧图的自进化智能体优化基础设施
来源：https://arxiv.org/abs/2608.10504
查看PDF（https://arxiv.org/pdf/2608.10504）

> 摘要：随着编码智能体日益承担实现工作，核心挑战已从构建单个智能体转向构建能够系统性改进这些智能体的基础设施。当前的方法要么在优化智能体系统时不积累可迁移的知识，要么积累知识却缺乏对其的组合式推理，并且都缺少让知识通过运行证据自我演化的机制。MEGA（元评估基自适应）作为自进化基础设施弥补了这些空白：每个优化周期都产出持久资产，对这些资产的组合式推理指导后续优化，运行证据则同时精化所积累的智慧及其治理性推理。第1层通过行为模式聚类和实证A/B验证，从智能体会话中提炼可复用智慧，将每个过程转化为持久资产。第2层将这些资产分解为类型化智慧图中的原子PCR（主上下文-结果）单元，并执行演绎、溯因和归纳推理以扩展隐含关系；随后通过组合式检索组装上下文特定的执行计划，该检索能够浮现仅靠嵌入相似度无法触及的桥接知识。第3层对异构智能体工作流（代码节点、LLM调用及使用工具的智能体）执行多智能体协同优化，通过消除数据方差的受控评估将改进效果归因于特定策略变更。第3层反馈的证据驱动了双重自我演化：既驱动治理智慧构成的策展策略，也驱动跨运行积累的优化轨迹。最终结果是：优化智能体系统与演化指导优化的知识成为同一个过程。

## 提交历史

来自：Jung Hwan Lee \[查看邮件（https://arxiv.org/show-email/2b62412c/2608.10504）\] **\[v1\]** 2026年8月11日星期二 05:21:16 UTC（440 KB）

相似文章

# SAGE：面向自进化智能体的统计接受门

arXiv cs.AI

论文提出了 SAGE，这是一个针对 LLM 智能体的统计性接受门槛（statistical acceptance gate）。该智能体通过编辑持久化的技能文档实现自我进化；SAGE 采用逐样本配对比较与单侧配对检验，以防止性能回退并规避“优化者的诅咒”（Optimizer's Curse）。在五个基准测试与四个骨干 LLM 上，SAGE 均实现了更低的回退率和更高的得分。

@qinzytech: https://x.com/qinzytech/status/2066585405479371092

X AI KOLs Timeline

对构建自我进化AI代理的两种方法的技术分析：基于模型的方法（通过像SSMs或具有快速权重更新的transformer等架构，以及训练方法）和基于工具的方法（通过内存或能够自我重写的元工具）。作者为不同受众提供了实用建议。

MLEvolve：自动化机器学习算法发现的自我进化框架

Hugging Face Daily Papers

MLEvolve是一个基于LLM的自我进化多智能体框架，用于自动化机器学习算法发现。它将树搜索扩展为Progressive MCGS，并引入基于图的跨分支信息流和Retrospective Memory。该框架在MLE-Bench上取得了最先进的性能，并在数学算法优化任务上优于AlphaEvolve。