arXiv 人工智能· Xiaobo Wang, Zimu Wang, Siyu Ye, Jiaqi Li, Min Tang, Jun Bai, Yuling Shi, Ruobing Wang, Jingjing Zhang, Chaofan Wang, Kai Wu, Mengnan Qi, Kai Cai, Xiaodong Gu, Qi Liu, Zilong Zheng·· 7 hours agoAI score50
论文探究 Agent 自进化的表象之下：高基准分背后的能力丢失与成本问题
Beneath the Surface: What We Overlook When We Talk About Agent Evolution
Not yet translated; shown in Chinese.
AI guide
最新论文针对无需更新模型权重的 Agent 框架自进化展开系统评测，发现基准分数的提高往往伴随着先前任务覆盖的丢失与部署成本的上升。在测试的 4 种方法与 16 个进化智能体中，所有个体在获得新任务能力的同时均丢失了旧任务能力，且最高分个体并未带来最大平均增益。针对上述现象，研究团队提出包含选择、分析、变异和门控改进的 EvoAudit 框架，以实现更可靠的自进化效果。
Source:arXiv 人工智能 · arxiv.org