标签
HarnessRL 提出一个与策略共同进化的训练框架,通过自适应任务采样、rollout 引导和 rubric 标准更新来解决开放式强化学习中的奖励失效问题,并发布了五领域评测集 Rubric-Mix-10k,在 4B 和 9B 模型规模上均优于最强基线。
本文揭示了自我改进智能体中技能-策略共进化的脆弱性陷阱,提出部署导向的评估协议CODA来审计技能漂移的影响,发现最差情况下共进化增益会被削弱52-93%。
AgentSafeEvo 提出一种基于攻防博弈的对抗协同进化强化学习框架,联合训练攻击者与防御者 LLM 智能体,以提升多轮工具调用场景下的安全性,同时保持通用能力不下降。作者在七个安全与能力基准上进行了评测,并开源了代码、模型和数据集。
EAU 是一个元智能体框架,在训练多轮 LLM 智能体时协同演化用户模拟器、环境与强化学习配置,使训练系统随策略一同进化。在三个交互式智能体基准上,EAU 比最强基线整体提升 14.7–15.0%,在 ColBench 上任务完成率最高提升 36.7%。
HERA 提出了一种通过共同演化 agent harness 与任务环境来提升 LLM 智能体在不可行任务上弃权能力的框架,将弃权准确率从 61.7% 提升至 83.3%,且可跨 19 个模型迁移,并发布 HERA-Bench 评测基准。
FloWright 提出了一种分层、结构感知的奖励范式,使多智能体工作流中的 LLM 智能体无需额外模型或标注数据即可实现自我进化与协同进化;而 DataWright 则通过自适应数据增强,将现有数据集转化为工作流级别的任务。采用 FloWright 训练的小型开源模型性能最高提升 +7.41%,其中多角色协同进化(+5.03%)优于仅优化单一角色(+2.83%)。
本文评估了将协同演化的通信协议从二维仿真直接迁移到三维物理机器人环境(不进行网络权重重训练)的效果,发现迁移仅部分且不对称,表明涌现通信的成功迁移不仅依赖信号过程本身,还依赖其演化时的生态与导航条件。
KernelZero提出了一种协同进化框架,利用Proposer和Coder模型提升GPU内核生成能力,在CUDA和Triton基准测试中表现出色。
MACE是一种用于基于LLM的多智能体系统的记忆-智能体协同进化框架,它利用自适应记忆图组织功能记忆单元,并通过执行反馈进行自适应,从而相比基线提升任务性能。
这项研究探讨了将框架进化与模型适应相结合用于AI代理,发现直接模仿专家会损害较弱模型的性能,并提出了一种基于策略的纠正方法,以在不破坏框架适应企业任务的情况下提高性能。
J-Zero是一个从零数据共同进化挑战者、求解者和评判者模型的统一框架,使语言模型能够在可验证和不可验证领域实现自我改进,性能超越基线。
EnvHarness 引入了一个可编程层,用于动态重塑静态环境以进行强化学习,通过 EnvRigger 自动针对弱点来提升智能体性能。
本文提出将模型-工具链协同进化作为AI代理递归自我改进的基本原则,并引入HELIX,一个可溯源的系统,通过生成验证轨迹的结构化训练信号来改进执行和学习。
研究人员提出了Red Queen Gödel Machine,这是一种用于自我改进AI的框架,其中代理和评估者共同演化以克服评估上限,在科学论文写作和评分等任务中展示了性能提升。
本文介绍了PIAC,一种通过使用潜在增益度量(无需参考解)并利用LLM生成多样化的实例变异器,来改进基于LLM的并行算法组合自动构建的框架。在TSP和CVRP上,它持续优于现有的LLM-ACP基线,实现了最高19.76%的相对改进。
一篇综述论文,提出了智能体系统中协同进化的三阶段分类法,涵盖智能体-智能体、智能体-环境以及元协同进化,以实现超越固定人工设计路径的开放式改进。
This paper proposes scaffold-mediated post-training, a paradigm where procedural scaffolds co-evolve with LLM parameters through discovery, distillation, and dynamic recompilation. On FeatureBench, automatically discovered skills improve pass rate by 8.1pp, with a 27.7% pass rate after distillation.
本文介绍了CoCoEvolve,一种自监督方法,通过在表示之间强制实现一一对应的一致性,提升跨图表、表格和代码的跨表示理解,并具有训练时和测试时的协同演化目标。
Echoverse 提出了一种生成深度、演进式合成环境的方法,用于训练计算机使用代理,展示了显著的准确率提升,并发布了一个包含有依据评分器的基准。
介绍了DecoEvo,一种用于文本空间中LLM优化的分数解耦协同进化方法,无需黄金评分标准即可同时提升求解器和评分器生成技能,在五个基准测试中相比基线实现了2.8%–5.0%的相对提升。