arXiv cs.AI· Wentao Zhang, Fuchao Yang, Yilei Zhao, Xinrun Wang, Bo An·· 9 天前AI 评分37
AgentEvolver：通过任务执行实现系统级自我进化
AgentEvolver: System-Wide Self-Evolution Through Task Execution
AI 导读
AgentEvolver 是一个在任务执行过程中积累能力、同时保持基础模型不变的系统，在 SWE-bench Pro Public 上报告了 82.08% 的解决率，超过其无进化基线。
正文 · AI 翻译
摘要：智能体可以在不改进自身工作方式的情况下完成任务。要将任务经验转化为可复用的能力，需要将发生变化的组件与其评估及后续使用连接起来。我们提出 AgentEvolver，一个在任务执行过程中发展能力、同时保持基础模型固定的系统。八个实体族通过统一的版本化生命周期，将可复用操作、方法、智能体、控制流、接口和支持状态开放给修订。共享的 Runtime 协调正在进行的工作，而持久化规划和可恢复上下文则保留任务方向与支持性证据。我们在 SWE-bench Pro Public 上评估任务结果，并在六个应用案例中考察能力变化。团队报告称，在启用进化后解决率达到 82.08\%，超过其报告的未启用进化的基线。这些案例显示，保留下来的能力进入了后续的网站、游戏和研究工作，同时也记录了未完成的目标和一次不成功的策略。这些发现将可复用组件的改进与最终任务的成功区分开来。AgentEvolver 为研究通过执行实现能力积累提供了具体基础；独立任务迁移和总开发成本仍是未决问题。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.11613 [cs.AI] |
| （或本版本的 arXiv:2610.11613v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.11613 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
发件人：Wentao Zhang [查看邮箱]
[v1]
2026年10月8日星期四 09:55:05 UTC（39,245 KB）
来源：arXiv cs.AI · arxiv.org