标签
提出CoEvolve框架，通过反事实轨迹对比实现多智能体系统中记忆与协作架构的对齐协同进化，在ALFWorld和WebShop基准上取得最佳综合性能。
MemScope 是一个由中国科学院提出的框架，通过工具使用的 Patch Agent 检查原始执行轨迹、运行时内存状态和现有架构代码，实现对智能体记忆架构的证据驱动、局部化原位进化，在 GAIA、xBench 和 ALFWorld 上均取得显著提升。
论文介绍了EvoSim，一种自我进化的多智能体AI科学家系统，能够利用实验偏差自主构建并优化基于物理的模型。在锂金属电池建模的评估中，其精度超越了人类专家水平。
EvoSteer 为基于 LLM 的多智能体系统提出了一种在线自进化图编排范式，利用参考锚定的流匹配损失（AnchorTB）以及经过验证的技能准入机制，在执行过程中修复失败的步骤，在涵盖问答、数学、代码与决策等十二个数据集上均优于各类基线方法。
FailBank 是一个四阶段自我演化框架，它将基于 CBF（控制屏障函数）教师模型的运行时安全屏蔽反馈，转化为通过受保护的 LoRA 更新所实现的持久化策略改进；在 VLA-Arena 基准测试中，其任务成功率相比仅使用运行时屏蔽的方法最高提升了 25.4 个百分点。
本文提出了物理编程，将机器人任务表示为可执行代码，并介绍了HexaAnything，一种自进化编程代理，它在RoboCasa365和PhyBench等基准测试上提升了性能，对现实世界智能具有启示意义。
一篇Google论文介绍了Procedural Graphs，这是一种为LLM代理设计的可编辑工作流程结构，通过根据执行反馈进化来提高长任务的性能，在大多数基准测试中优于基线。
本立场文件提出了一种基础模型操作系统（FMOS），用于虚拟化基础模型交互，为应用程序提供专用、可信的实例，并通过编排和策略执行实现自进化能力。
EvoOntology 引入了一种自进化本体层，封装为 MCP 服务器，以弥合代理-数据鸿沟，并提高在异构数据任务上的性能，如基准测试所示。
本文介绍了Procedural Graph，这是一个将LLM代理动作组织成结构化三元组的框架，以改善长期工具使用，并通过自进化拓扑来提升性能。
增强了 ouroboros（一个用于自进化自动研究系统的 CLI 工具）的 TUI，并删除了 279 万行废弃代码以提高可用性。
CHIME是一种信用感知分层记忆框架，它分离规划和执行记忆库，通过准确归因任务结果来提高长时域代理规划，并优于基线方法。
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。
JIT-Agent 是一个可训练模型，用于为现成的LLM合成自适应代理框架，从而在不同模型和任务上提升性能。
本文综述了AI智能体中的智能体记忆，探讨了上下文爆炸问题，并提出通过多种记忆类型和管理策略实现自我进化智能体的框架。
这篇文章评论了自主进化的代码代理工具的门槛较低，类比脱口秀表演，指出当前代码代理领域人人都能声称擅长复杂任务。
Introduces ERSkill, a retrieval-centric framework for self-evolving, skill-guided adaptive memory access in LLM agents. It co-evolves retrieval skills and a routing policy, substantially outperforming strong baselines across agent memory benchmarks.
本文介绍了MindMemOS，一个面向AI智能体的可移植、自进化记忆操作系统层，采用统一的实体-属性-时间结构，并具备记忆精炼和技能进化算法。它在LOCOMO和PersonaMem基准上取得了显著准确率，并将SpreadsheetBench性能提升了9.2个百分点。
作者评论 Deepseek Harness 的插件化理念，认为其将 GUI/TUI 等全部插件化、反对固化工作流，并对比 Pi Agent、Prime-Agent，提出在 REPL 中构建可自进化的 Agent 构想，已用 Codex 开始实现。
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。