标签
推文讨论了关于自我改进代理的建议，并分享了在长期任务中使用编码代理的实验观察，指出更强的模型并不总是能产生更好的代理。
HALO利用RLM通过分析执行轨迹并建议改进来优化AI智能体集群，在Terminal-Bench和AppWorld等多个基准测试上实现了10%以上的提升。
文章探讨了 Sakana AI 和 Meta 关于自我改进型 AI 智能体的最新研究，具体涉及达尔文-哥德尔机器（Darwin-Gödel Machine）和超智能体（Hyperagents），它们能够自主重写自身代码和基础设施以提升性能，且无需人工干预。
Hermes Agent 通过观察自身表现、识别低效环节并改写技能，展示了自我改进能力，仅需两次迭代便实现了 3 倍的速度提升和 80% 的成本降低。
一篇论文提出了一种自我改进 AI 智能体的协议框架，支持可审计的改进提案、评估与回滚。