arXiv cs.MA· Vishal Bhutani, Prasang Gupta, Sumanth Chundru, Kevin Paul·· 2 天前AI 评分31
MetaShare：面向开放式智能体的失败感知集体自我改进框架
MetaShare: Failure-Aware Collective Self-Improvement for Open-Ended Agents
AI 导读
MetaShare 是一个失败感知的智能体自我改进框架，将成功与失败的智能体修改连同带符号的性能变化一并记录，在每代进化前从其他谱系检索多样化高性能策略与高置信度失败案例，避免重复已知死路。
正文 · AI 翻译
摘要：人类学习最快的方式往往不是重复成功，而是记住哪些失败不应重蹈。开放式自我改进智能体可以跨谱系共享经验（如 GEA），或编辑自身的改进机制（如 DGM-Hyperagents），但失败的改进尝试很少被保留为可复用的跨分支知识，搜索也可能坍缩到冗余策略上。我们提出 MetaShare，一个失败感知框架，将成功的和不成功的智能体修改连同带符号的性能增量一并记录。在每一代之前，MetaShare 会检索多样化的高性能策略以及其他谱系中高置信度的失败，让智能体既能复用有效机制，又能避开已知的死胡同。一个任务盲审计器会定期注入缺失或代表性不足的机制类别，而基于嵌入的降序排列则在检索过程中限制冗余。多个元智能体在异构温度下并行提出修改，并由一个确定性选择器把关适用性、范围、可编译性和规模。在论文评审、编程、数学评分、机器人奖励设计和金融审计风险评估等任务上的实验表明，MetaShare 的中位性能达到或超过 DGM-Hyperagents 的最终性能，并且以 1.7--2.9$\times$ 更少的进化迭代达到自身最佳性能智能体。
| Comments: | 30 页，4 幅图。已被 NeurIPS 2026 Meta-Agents Workshop（Managing Agents that Manage Agents）接收 |
| Subjects: | 多智能体系统 (cs.MA) |
| 引用为： | arXiv:2610.21887 [cs.MA] |
| （或 arXiv:2610.21887v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21887 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Vishal Bhutani [查看电子邮件]
[v1]
2026 年 10 月 15 日星期四 13:49:41 UTC（674 KB）
来源：arXiv cs.MA · arxiv.org