标签
Ornith-1.0是来自deepreinforce-ai的新一代开源代理式编码模型系列，采用强化学习训练，同时优化解决方案和脚手架。其35B MoE版本在编码基准测试中达到了最先进水平，并支持高效的单一GPU部署。
deepreinforce-ai 发布了 Ornith-1.0-35B-GGUF，这是一个最先进的开源编程智能体模型，它使用自我改进的强化学习来联合优化框架和解决方案生成，在编程基准测试上达到了SOTA性能。
LangChain的循环工程手册通过四个嵌套循环（代理循环、验证循环、事件驱动循环和爬山循环）替代了提示工程，使AI代理能够随着时间的推移自动自我改进。该文章认为，构建自我优化循环如今已成为关键的竞争优势，而非使用更先进的模型。
作者解释了如何使用AI循环工程构建一个自我改进的量化交易系统，其中AI运行循环以自主提示、验证和行动，与手动提示形成对比。
deepreinforce-ai 发布了 Ornith-1.0，一个开源编码代理模型系列，在编码基准测试上实现了最先进的性能，提供从 9B 到 397B 的参数规模，采用自我改进训练框架和 MIT 许可证。
谷歌发布了一份免费指南，内容涉及构建、评估和自我改进智能体技能，包括元技能。
Nvidia Gear Lab的研究人员实现了一个里程碑：8个Codex-AutoResearch代理自主控制一支机器人舰队，在无人干预的情况下完成了一项物理世界任务，展示了自我改进的能力。
Warp CEO Zach Lloyd 提出了一个双层循环方法，让 AI Agent 的 Skill 从用户反馈中自我进化，以 GitHub issue 自动三分类为例，内循环处理新 issue，外循环收集信号并提炼规则，已开源框架 oz-for-oss。
本文介绍了LLM-as-Environment-Engineer框架，该框架使LLM能够为多智能体推理任务中的强化学习设计自己的训练环境，实现自我改进训练，其性能超越更大的专有模型。
作者讨论了在自我改进的AI代理系统中需要第四个治理循环以防止目标漂移，并提出了定期人工审核、保留基准和轮换评估者等实际控制措施。
一个自我改进的GUI代理，能从错误中学习，使用基于YOLO和OCR的感知堆栈，仅在需要时调用LLM，并在本地运行。它基于MIT协议开源。
Amplitude 推出 Wave，一个主动型产品代理，通过分析数据、发现机会和追踪结果来自动化构建-发布-使用-学习循环，帮助团队打造自我改进的产品。
本文介绍了自我束具（Self-Harness），一种新的范式，其中基于LLM的智能体能够迭代地改进自身的操作束具——包括提示、工具和控制流程——无需人类工程师或更强大的外部智能体，在多个模型上取得了显著的性能提升。
介绍 Ara，一个自动与你的编程代理交互的循环，无需手动提示即可生成自我改进的代码库PR。
Autocontext 是一个开源递归自我改进 harness，帮助 AI Agent 通过迭代执行、评估和知识积累持续优化，生成可复用的 playbook、数据集甚至本地模型，适合构建生产级 Agent 工作流的开发者。
提出了SCALE框架，用于自我改进的网络智能体，采用认知感知探索，包含三个对抗角色和图探索策略。同时介绍了从真实网站收集的大规模数据集SCALE-20k，显著提升了基于MLLM的网络智能体的性能。
一种自我改进的人工智能框架，通过语言模型反馈代理同时更新模型权重和任务特定的智能体架构，在法律分类、GPU优化和生物去噪任务上取得了显著提升。
YC 合伙人 @t_blom 发表了一场关于打造自我改进的 AI 原生公司的演讲，强调了递归 AI 循环并通过 AI 自动化减少员工人数。
本文提出了一种新的CAD生成任务形式，将有限元分析作为反馈，并结合了改进的监督信号，如纯文本蓝图方案和多视角图像渲染器，从而在基准测试中实现了更好的几何重建。