标签
Google 发布了一款新工具，让 AI 代理通过发现和修复漏洞来自我改进，兼容 Antigravity、Claude Code 和 Codex。
作者构建了一个个性化的AI，它能理解用户的目标、恐惧和自我破坏模式，并且已被他人复刻了650次。
Tom Blomfield 在讲话中探讨了如何利用人工智能构建能够自我改进的公司，分享了相关理念和经验。
推荐并翻译了Lilian Weng关于Harness Engineering for Self-Improvement的博客文章，详细介绍了递归自我改进（RSI）的概念、Harness的模式（工作流自动化、文件系统持久记忆、子Agent）以及编码Agent案例。
LLM-as-a-Verifier 是一种简单、廉价、通用的面向智能体任务的自我改进技术，通过细粒度评分和基于 logprob 的排名，在 SWE-Bench Verified 和 Terminal-Bench V2 等多个基准测试中取得了最先进的性能。
TRACE是一种新的自我改进方法，AI代理识别自身失败背后缺少的能力，并自我训练以解决这些问题。经过TRACE训练的Qwen3.6-27B在SWE-bench Verified上达到73.2%，以更少的训练次数超越了更大的模型。
本期播客讨论了OpenClaw入职流程的重做、与Hermes的对比以及自我改进系统的必要性，社区成员和开发者就如何降低使用门槛进行了深入讨论。
ThetaEvolve是一个开源框架，扩展了AlphaEvolve，使得像DeepSeek-R1-0528-Qwen3-8B这样的小型LLM能够通过测试时强化学习在开放问题上取得新的最佳已知边界，加速了AI的自我进化。
本周三篇值得关注的人工智能论文精选：自我改进框架（Red Queen Gödel Machine）、MCP 服务器的设计模式，以及关于编码智能体的强化学习奖励验证研究。
Eve 是一个用于构建持久、生产就绪的 AI 智能体的框架，具有内置的可观测性、内省和自我改进能力，旨在与 Next.js 和 Vercel 部署无缝协作。
ISM引入了一个自进化记忆系统，该系统存储并优化策略模式，以在连续学习场景下提升冻结LLM的数学推理能力，在MATH-Hard和OlympiadBench基准上优于基线方法。
Hermes AI代理的一系列开源插件，包括元推理（Super Hermes）、生活操作系统（Life OS）、自改进道场（Dojo）、技能市场（Skill Marketplace）和Spotify控制插件。这些插件深度集成Hermes核心循环，推动代理的生活化、自我进化和自动化市场发展。
英伟达与剑桥大学等团队提出的Red Queen Gödel Machine论文，通过让代理和评估器共进化解决了递归自我改进的瓶颈，在代码、论文写作等任务上超越现有SOTA，为可控开放式AI进化提供了重要方法论。
介绍了HExA，一个无需训练的框架，使LLM能够通过主动实验和技能复用来学习，在新的Interphyre物理基准测试中实现了高达77%的成功率，比现有智能体有大幅提升。
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。
谷歌和斯坦福的工程师发布的一份39页论文分析了使AI agent通过反馈循环自我改进的关键因素，并指出只有9%的agent实际运行了真正的循环。
ActiveGraph宣布了两篇关于代理记忆（LongMemEval）和自我改进机制的新论文，并提供了参考代理、包模板以及即将在西雅图和旧金山举行的聚会。
本文探讨了将自主代码改进变得规范且适用于企业，以支持长周期AI工作流的研发工作。
Self-Harness 提出了一种新范式，其中基于LLM的智能体通过挖掘模型特定的弱点、提出框架修改，并通过回归测试验证这些修改，从而迭代地改进自身的运行框架，在Terminal-Bench-2.0上跨多个基础模型取得了显著的性能提升。