标签
推文重点介绍斯坦福大学一门3小时的课程，该课程从头开始构建自我改进的AI智能体，涵盖基础知识、多步推理和从反馈中学习，并提到AI工程师的高薪。
一则推文重点介绍了Anthropic和Google工程师在斯坦福的讲座，内容涵盖自我改进的AI代理、代理循环模式以及生成器-验证器差距。
SIFT引入了一种自我改进的文档分类器，它使用成本低廉的SPLADE-LightGBM管道和LLM评判器持续自我教学，同时通过冻结门安全机制防止无声退化，从而无需人工标注开销即可实现自主再训练。
一位开发者分享了他们每月110美元的自动化流水线，该流水线使用Claude AI对GitHub issue进行分类、分解、实现和测试，在两周内完成了27次合并，且故障极少。
作者构建了一个自主AI系统，运行真实产品，生成工作内容、进行质量把关、发起拉取请求，并基于分析结果自我改进。主要挑战在于让系统值得信赖，而非让模型更聪明。
作者构建了一个自主智能体，不仅能完成任务，还能通过观察结果、通过拉取请求进行更改，并使用账本验证每个更改来改进自身的代码和产品。关键洞察在于，一个严格的验证步骤——得出确认、拒绝或不确定的结论——对于系统真正学习至关重要。
一位开发者构建了一台自我进化的AI内容机器，可以扫描互联网、运营多个账号，并自主撰写和优化内容。构建者计划将完整架构以免费指南形式发布，并可能开源。
前谷歌工程师发布了一小时课程，涵盖自建代理、RAG记忆和AI循环；声称比付费代理课程更好。
Anthropic发布了五个免费工作坊，内容涵盖从零开始构建AI智能体到自我改进系统，并附有一份指南，介绍了在使用Claude Fable 5时常见的错误。
MILES是一个通过动态扩展逐步记忆并使用可学习选择头来提升LLM推理能力的框架，实现了更好的准确性-效率权衡。
一个开源 MCP 工作流应用，能够利用自身能力进行自我改进，并附有将其用于你自己项目的说明。
ACE (Agentic Context Engineering) 引入了一个框架，将上下文视为不断演化的剧本，防止上下文崩溃，并提高在智能体和特定领域基准测试上的性能。该工作强调了 harness engineering 作为模型训练数据引擎的潜力。
自我改进的机制使AI代理能够通过分析执行轨迹自主重写其运行规则，从而实现60%的性能提升。来自上海AI实验室的研究引入了Self-Harness框架，使得轻量级模型能够在无需人工工程的情况下超越更大规模的模型。
作者开发了一个名为“饕餮.skill”的开源工具，可以自动分析两个AI Skill之间的差异，提取参考Skill的优势模式并用目标Skill的技术栈重新实现，实现Skill的持续进化。文章讨论了Skill生态的问题和设计哲学。
程序性记忆蒸馏（PMD）将来自强化学习 rollout 的跨回合信号转化为可复用的程序性记忆，并在训练过程中将其蒸馏到策略权重中，从而在推理时无需记忆即可实现自我改进语言模型。实验表明，PMD 在 SCIKNOWEVAL 上比 SDPO 提升 3.8-5.5%，在 LIVECODEBENCH 上提升 7.9-13.6%。
ReGuide 提出了一种面向扩散策略的自改进框架，利用测试时引导生成纠正性轨迹，然后在该数据上微调策略，在 Robomimic 任务上实现了 1.3–7.7 倍的成功率提升。
Ornith-1.0 是一系列用于智能体编程的开源自我改进模型，通过联合优化脚手架和解决方案展开的强化学习，在编程基准测试中实现了最先进的性能。
来自剑桥大学、英伟达及其他实验室的一篇新论文介绍了Red Queen Gödel机器，这是一种让AI智能体及其评估者共同进化以防止停滞的方法。该方法通过允许评判者在安全交接点改进来避免固定基准，从而在编程和论文写作任务中取得更好的性能。
Deep Reinforce发布了Ornith-1.0系列开源自我改进大语言模型，专为智能代理编码设计，参数规模从9B到397B，在SWE-Bench Verified和Terminal-Bench 2.1等基准测试中取得了最先进的性能，超越了Claude Opus 4.7及其他领先的开源模型。