Reglos把个人记忆智能体拆成两层:记忆随对话追加,框架由编码智能体改代码
个人记忆智能体Reglos把改进分成两个时间尺度:每个用户的记忆随对话在线追加,决定把哪些记忆交给模型的框架则离线由编码智能体改代码。框架补丁先由另一模型家族的评审筛掉针对基准的取巧,再由固定评估器在开发时未见的用户上验收。在Qwen3.8-27B写记忆、同一模型作答时,Reglos在PersonaMem-v2上达到61.3%,比最强对比系统高7.5个百分点。
个人记忆智能体Reglos把改进分成两个时间尺度:每个用户的记忆随对话在线追加,决定把哪些记忆交给模型的框架则离线由编码智能体改代码。框架补丁先由另一模型家族的评审筛掉针对基准的取巧,再由固定评估器在开发时未见的用户上验收。在Qwen3.8-27B写记忆、同一模型作答时,Reglos在PersonaMem-v2上达到61.3%,比最强对比系统高7.5个百分点。
语言智能体的表现同时取决于模型权重和承载它的运行时程序,也就是harness,只优化其中一边会被另一边卡住。JoMoHa把生成harness的Engineer和按harness执行任务的Solver放进同一个强化学习过程,用同一次任务结果同时训练两个策略。在ALFWorld、WebShop和DBBench上,它的成功率分别为97.0%、45.8%和68.0%,三者等权平均70.3%,高于所评估的只训权重、只改harness以及交替训练的做法。
智能体可以在不重训底层大模型的前提下改写自己的提示、记忆、工具与工作流,但此前常用的贪心验收只要验证分数变高就接受更新,容易把采样噪声当成真实进步。TRUST把逐轮验收改写为在线多重假设检验,用LLM结合历史上下文分配检验水平,并对验证样本复用做重叠校正。在HotpotQA、DROP、APPS与DeepSeek-V4-Flash、Qwen-3.8-Flash的六组设置中,平均被接受的劣质更新比例从贪心验收的45.59%降到2.78%,平均最大回撤从4.963个百分点降到0.047个百分点。
智能体强化学习通常只把一次尝试压缩成一个标量奖励,环境里暴露的错误日志和工具输出随之丢失;ACE-RL把模型写出的反思和任务笔记也纳入训练,用执行候选笔记后的新一次尝试得分来评价它。在Mastermind、MBPP、AppWorld和MiniSWEBench四个基准上,同等训练算力下ACE-RL的留出奖励高于仅训练执行者的GRPO、ERL以及用学习评论家端到端训练的延迟联合PPO。
从采样解数据反推偏微分方程,需要专家完成方程发现、系数估计和数值求解器配置。RSI-PDEbench 把这一流程做成 1001 个案例、42 个方程模板的基准,分无噪声、50% 高斯噪声和未见模板加偏移系数三种设定;配套的 RSI-PDE 智能体用残差筛出候选方程、用相对反馈修正系数与求解器,并以验证门保留改进。四个前沿模型上,其平均通过率相对单次运行基线提升 106.5%–181.9%,相对原生智能体框架提升 3.0%–19.6%。
临床语音同时携带可识别说话人的声纹和敏感话语内容,而不同临床任务依赖的语音线索并不相同,固定匿名流程难以兼顾隐私与诊断价值。CASA把匿名化改写成由任务描述驱动的优化过程,在声纹变换与敏感内容掩蔽之间反复评估、调整策略,并把跨任务经验存入记忆。在覆盖五种语言、14项临床任务的评测中,CASA全部满足说话人匿名与下游分类要求,最强固定方法只通过8项,SecureSpeech通过4项。
遥感模型长期由专家为每个新任务手工设计训练方案并对着基准调参。RSI4EO把任务写成两部分:限定智能体可用数据、预训练权重与算力的harness,以及只返回分数的密封verifier;通用编码智能体据此自行写代码、训练并递归改进模型。在光学、SAR、多光谱时序等四个有公开结果的基准上,智能体建出的模型都超过已发表最好结果,且用约1%的训练标签仍保留大部分精度。
递归自我改进此前只在后训练上跑通,因为那里每次试验只花GPU小时、还能拿到可验证分数;前沿预训练一次就要数十万GPU小时、无法重跑,目标也不是单一分数。上海创智学院与Xinxu AI的新团队把预训练拆成可闭合的小回路,用智能体做调试、用tiny-SFT等指标估计后训练余量、把数据流程改成可量化任务,三个月从零训练出30B-A3B的801基础模型。在13项基础评测上它平均73.13分,仅次于更大的Qwen3.5-35B-A3B的76.67分。
Recursa把基础模型系统在新领域中的适应拆成两步:先从领域材料自举出可导航的知识库,再让同一模型扮演求解者与学习者,通过并行子学习者的诊断、编辑与验证反复改写指令、技能和记忆。在Harvey LAB的Firm Knowledge法律基准上,以DeepSeek-V4.1-Flash为求解者时,留出测试任务的全通过率从30.0%升到55.0%;以Qwen3.8-Flash为求解者时从35.0%升到46.0%,全程没有更强模型或人类专家改写。
RSI-Env把模型训练与脚手架修改放进同一个可持久化的沙箱,由独立的Host Controller负责服务、校验、版本与能力评测,Self模式下被接受的模型–脚手架版本接手下一轮改进。以Qwen3.8-27B配最小脚手架起步,无基准反馈的Open-General Self把GPQA Diamond准确率从65.2%提到73.2%、AIME 2026从53.3%提到56.7%;Knowledge Self让SimpleQA从82.0%升到85.0%再到88.0%,但同一批运行在其他基准上出现回落。