arXiv cs.AI· Jingjing Jiang·· 10 小时前AI 评分31
自进化多模态智能体的跨场景综述与分析
A Cross-Scenario Survey and Analysis of Self-Evolving Multimodal Agents
AI 导读
一篇综述系统分析了自进化多模态智能体机制在跨场景迁移中的不对称性，覆盖多模态推理、多模态生成、GUI 与 Web 导航、具身操作四类场景。作者以经验生成、反馈获取、更新固化三阶段自进化循环为分析框架，将各机制重构为以任务结构性资源换取稀缺因素的权衡，并判定其可移植、有条件、受阻或冗余。研究将不对称性归因于双向迁移中稀缺因素与资源组合的差异，并提出可推翻这些尚未验证结论的匹配预算测量方法。
正文 · AI 翻译
摘要：近期研究表明，多模态智能体正日益实现自我改进，而无需反复进行人工标注。然而，每种自我改进机制都是在单一场景中设计和评估的，其前提条件在跨场景迁移下尚未得到验证。本综述考察了四种场景下机制迁移不对称的结构性根源：多模态推理、多模态生成、GUI 与 Web 导航，以及具身操作。我们首先通过四项标准以及自指的一种区分来形式化自我演进的多模态智能体，并采用由经验生成、反馈获取和更新巩固组成的三阶段自我演进循环作为分析框架，将各场景沿 rollout 数量和反馈保真度的上限进行定位。在每个场景内比较自我演进循环与固定循环，可将场景施加的限制与自我演进设计固有的限制区分开来。随后，我们将每种机制重新表述为一种权衡：它通过预设某种任务结构性资源（如输出等价性或可检验结果）来提升某一稀缺因素，并判断其在各场景间是可移植、有条件、受阻还是冗余。我们将这种不对称归因于相反迁移方向上稀缺因素与资源的不同组合，并识别出可能推翻这些尚未检验的结论的匹配预算测量方法。
| 评论： | 44 页，15 张表，4 幅图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.14256 [cs.AI] |
| （或 arXiv:2611.14256v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14256 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jingjing Jiang [查看邮箱]
[v1]
2026 年 11 月 10 日星期二 16:04:02 UTC（205 KB）
来源：arXiv cs.AI · arxiv.org