arXiv cs.AI· Kai Hu, Hua Huang·· 3 天前AI 评分23
模仿是进化关键：面向自适应智能体的局部修复与可验证技能获取
Imitation Holds a Key to Evolution: Localized Repair and Verified Skill Acquisition for Adaptive Agents
AI 导读
研究提出被动模仿（PI）架构循环，通过定位被违反的契约、提取局部目标、提出效果匹配技能并做小补丁测试，在全任务验证后保留证据。在十个模拟工具世界中，PI 用三次允许的小试验解决了全部 600 个冷启动留出组合任务，而整轨迹对照仅 6.17%。
正文 · AI 翻译
摘要：智能体可以保留成功的轨迹，却无法学会经验中的哪一部分应当修复新的差异。我们将被动模仿（PI）形式化为一种架构循环，它定位被违反的契约、提取局部目标、提出效果匹配的技能、测试一个小补丁，并在完整任务验证后保留证据。我们将该循环实例化为一个确定性符号控制器，并在明确的可识别性与非干扰假设下分析其有限修复查询复杂度。在十个模拟工具世界中，PI 在允许三次小规模试验的情况下解决了全部 600 个冷启动留出组合任务，而全轨迹对照仅解决 6.17%，同时一个同等表达能力的组合修复对照与 PI 表现相当。在一个未见过的工具修订版上，PI 达到 70.0% 的成功率，而无小规模试验时为 24.0%，使用自试验枚举时为 79.0%；随后一个探索性的 24 任务适应流将首次提交成功率提升至 100%，这支持一种有限的纠正与保留机制，而非独特的激励优势或通用智能。仅使用 CPU 的实现、完整性检查以及可复现结果可在 此 https URL 获取。
| 评论： | 9 页，2 幅图 |
| 主题： | 人工智能（cs.AI） |
| ACM 分类： | I.2.6 |
| 引用为： | arXiv:2610.16125 [cs.AI] |
| （或 arXiv:2610.16125v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16125 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kai Hu [查看电子邮件]
[v1]
2026 年 10 月 12 日星期一 03:42:52 UTC（82 KB）
来源：arXiv cs.AI · arxiv.org