标签
SkillNEO 提出非精英进化优化方法来改进大语言模型智能体的技能,通过允许低奖励版本继续迭代并分析版本间差异来保留有效步骤、修复失败,使 GPT-5.4 Mini 在 86 项 SkillsBench 任务上的平均奖励从 49.1% 提升至 66.4%,且改进后的技能还能提升更强模型的表现。
提出一个自我进化代理框架(Harness RSI),在保持模型权重固定的情况下,通过反馈驱动的修订与进化优化,持续改进代理的软件脚手架(提示、记忆、工作流和可执行组件),并借助持续 PAC 学习为泛化与保留能力提供理论保证。
论文提出 CoCoEvolve(CortexCodeEvolve),一种基于"元反思"的进化优化器,通过从完整搜索历史中检索证据并主动探测目标环境来改进生产级 AI 系统的优化,在 DABStep、data-eng-bench 等多个基准上超越现有基线。
VIEWCRAFT 通过联合进化多模态代理的证据界面与读取流程,在八个基准上平均提升 6.1 分任务得分,并以更少的输入 token 实现跨执行器迁移。
HeurEvo 提出了一套自动化的计划–代码–组件协同进化框架,其中 AI 智能体共同进化算法结构、可执行实现以及可复用组件的共享池,以构建混合求解器增强启发式算法。在组合优化基准测试和 MIPLIB 实例上,该框架在严格的运行时间预算下达到或超越了最先进的求解器水平,并在六边形装箱等问题上刷新了最佳结果。
本文介绍了TGL-NSGA-II,一种用于约束TinyML神经架构搜索中昂贵进化优化的教师指导适应度近似框架,实现了比标准方法更高的效率和可靠性。
GraphSkillEvo是一个进化优化框架,它将代理技能表示为图结构工件,以提高大型语言模型(LLM)的性能,在多个基准测试中超越基线。
Skill-MAS提出了一种在无需修改模型权重的情况下,为多智能体系统演化元技能以提升编排能力的方法,实现了跨任务和LLM的可迁移性能提升。
介绍了一个结合流生成编辑和进化算法的框架,用于在残差空间中进行优化,支持使用不可微目标进行可控数据编辑。在MorphoMNIST和晶体数据上进行了验证。
介绍了一个针对LLM游戏智能体的自动提示优化框架,该框架将观察-行动流水线分解为两个智能体,并通过环境回报引导的进化循环迭代优化提示。在BabyAI任务上评估,显著提高了成功率(例如,在PutNext上从0%提升到72.5%),且无需更新模型权重。
DeepEval引入了一种使用遗传算法对提示词进行进化优化的方法,允许基于评估反馈和多目标优化自动重写。
本文提出了一种基于神经进化的微调方法,以提高量化深度学习模型的精度。研究表明,仅使用最近邻舍入是次优的,而在 VGG 和 ResNet 等架构上对权重进行进化变异可获得更好的结果。