标签
三篇值得关注的人工智能论文综述：SkillOpt 将技能文档视为可训练参数以优化冻结的智能体；一种新方法将智能体工作流编译成模型权重，实现100倍成本降低；而 AutoScientists 引入了一个去中心化智能体团队，无需中央规划者即可进行长期科学研究。
Voxyz宣布了一项新的GBrain功能，该功能使智能体能够通过LLM作为裁判的评估和隔夜优化循环，迭代改进技能。
一篇新论文通过将 markdown 技能文件视为可训练参数并使用经过保留集验证的有界编辑，将智能体的技能优化形式化。该方法在不同模型间迁移良好，并提升了程序化基准测试的性能。
SkillOpt introduces a systematic controllable text-space optimizer that enables AI agents to train and improve their own skills (like 'work instructions') through iterative edits and validation, outperforming human-crafted and one-shot prompts across multiple benchmarks and models.
微软研究院推出了SkillOpt，该方法将智能体技能文档视为可训练的外部状态，利用优化器模型进行受限编辑，并通过预留集进行验证。该方案在52个评估单元中取得最佳或并列结果，在GPT-5.5上准确率提升超过23个百分点，且零额外推理成本，技能可迁移。
介绍 SkillOpt，一个将自然语言技能视为可训练外部参数而非微调模型权重的优化器。它通过有界编辑和验证门控实现稳定、可控的技能更新，在 7 个模型的 6 个基准测试的 52 个设置中取得最佳或并列最佳结果。
MOCHA 提出了一种面向 LLM 智能体技能的多目标优化方法，通过切比雪夫标量化和指数退火策略来应对严格的平台约束，发现帕累托最优变体，相较于现有优化器取得了显著改进。