GUARD:无评分器引导的递归自我改进框架
热点事件持续更新
GUARD:无评分器引导的递归自我改进框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Minghe Zhang 等作者提出 GUARD 闭环框架,让自主 AI 智能体在没有外部评分器的情况下持续演化自身的 harness。据论文介绍,该框架把任务拆成执行前自检,用方向性遗憾引导更新,并以 Soft-HURT 门控确保更新带来的收益大于回退。 作者称,在记忆、技能演化、持续任务流和领域推理等基准上,GUARD 持续提升性能,避免灾难性遗忘和记忆污染,同时大幅降低部署时的 token 消耗。上述效果均为论文报告的结果。
AI 根据报道生成 · 1 小时前更新
最新进展11月20日 13:00
GUARD:用遗憾引导稳定递归自我改进报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIGUARD:用遗憾引导稳定递归自我改进
GUARD 是一个无需外部评分器的闭环框架,用于自主 AI 智能体的持续 harness 演化。它将任务分解为执行前自检,通过方向性遗憾引导更新,并用 Soft-HURT 门控确保收益大于回退。在记忆、技能演化、持续任务流和领域推理等基准上,GUARD 持续提升性能,避免灾难性遗忘和记忆污染,同时大幅降低部署 token 消耗。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。