arXiv cs.AI· Runxuan Liu, Jingqi Shi, Baoxin Wang, Honghong Zhao, Haoyuan Xu, Yueqing Sun, Jiafeng Liang, Tao He, Dayong Wu, Qi Gu, Shijin Wang, Ming Liu, Bing Qin·· 2 天前AI 评分26
EvolvingBrain：面向开放世界多模态智能体自进化的自适应技能系统
EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open Worlds
AI 导读
研究者提出 EvolvingBrain，用自适应技能系统驱动多模态智能体在开放世界中自进化，包含分层技能自进化与状态感知自适应执行两部分。前者从模型轨迹中提取过程模式与问题模式，生成技能并形成由 Domain、Plan、Action/Trap 技能组成的分层技能架构；后者将长程交互总结为结构化摘要记忆，指导状态感知技能融合策略。
正文 · AI 翻译
作者：Runxuan Liu、Jingqi Shi、Baoxin Wang、Honghong Zhao、Haoyuan Xu、Yueqing Sun、Jiafeng Liang、Tao He、Dayong Wu、Qi Gu、Shijin Wang、Ming Liu、Bing Qin
摘要：多模态智能体在与开放世界交互方面已取得显著进展。然而，其自我进化能力仍然有限。监督微调能够实现模仿，但无法主动组织经验；而基于结果的强化学习虽能促进探索，却未充分利用中间轨迹信息。因此，我们提出 EvolvingBrain，它使用自适应技能系统作为智能体自我进化的大脑，包含以下两个组件。分层技能自我进化：从特定于模型的轨迹中提取过程模式与问题模式，通过生成技能来总结经验，并与开放世界进行多次交互以实现进化，最终形成由领域、计划和动作/陷阱技能组成的分层技能架构，为智能体提供多粒度知识库和一种新颖的进化方式。状态感知自适应执行：将长时程交互总结为结构化抽象记忆，并用其指导状态感知技能融合策略，使智能体能够根据当前状态利用知识。在 VAB-Minecraft 和 DiscoveryWorld 上的实验表明，EvolvingBrain 提高了开放世界任务的成功率，并展现出泛化能力。我们的代码在补充材料中提供，并将在正式版本中公开发布。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.20786 [cs.AI] |
| （或使用 arXiv:2610.20786v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.20786 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Runxuan Liu [查看电子邮件]
[v1]
2026年10月14日星期三 18:30:07 UTC（5,223 KB）
来源：arXiv cs.AI · arxiv.org