Evolver: Turning Agent Exploration into Evolving Capabilities
Evolver 是一个经验驱动的框架，它将瞬时的智能体探索转化为持久且可复用的能力，且无需更新基础模型参数，从而提升了在多个基准测试中的任务成功率和执行效率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在人工智能领域，出现了一类被称为“智能体”（agents）的新型程序。与仅仅回答问题的简单聊天机器人不同，这些智能体旨在采取行动。它们可以打开文件、运行代码、搜索互联网，并与复杂的数字环境进行交互以解决多步骤问题，就像人类工程师或研究人员那样。为了取得成功，这些智能体必须探索其周围环境，尝试不同的工具，并从错误中学习。然而，一个显著的瓶颈出现了：每当智能体解决一个难题时，它所学到的宝贵经验往往会随之流失。一旦任务完成，关于它如何挣扎、尝试了什么以及最终如何奏效的详细记录就会被丢弃。下一次类似问题出现时，智能体会从零开始，重复同样的探索性努力，并浪费计算资源。研究人员面临的核心问题是，如何捕捉这种转瞬即逝的经验，并将其转化为一种持久的资源，从而帮助智能体随着时间的推移不断进步，而无需对其底层的“大脑”进行根本性的重新训练。
一组研究人员推出了一套名为 Evolver 的系统来解决这个问题。Evolver 并不试图改变驱动智能体的核心软件（这是一个困难且昂贵的过程），而是作为一个随任务增长而变得越来越聪明的外部记忆库。该系统遵循一个简单的原则：将智能体探索过程中原始、混乱的历史记录转化为有组织、可重用的指令。当智能体完成一项任务时，Evolver 会分析该过程，提取出最有用的策略。随后，它将这些策略打包成结构化的单元，研究人员称之为“基因资产”（Gene assets）。这些资产并非生物学意义上的遗传代码，而是对某种程序的简洁、清晰的描述，包括在何时使用以及涉及哪些步骤。系统还会记录失败的尝试，创建一个“避坑指南”，确保智能体不会重复过去的错误。
Evolver 的真正力量在于它如何利用这些积累的知识。当新任务到来时，系统并不会让智能体盲目游走。相反，它会在其“基因资产”库中搜索与当前情况相匹配的相关策略。然后，它将这些指令输入到智能体的流程中，在智能体开始行动之前就引导其决策。这一过程是在不改变智能体基本编程的情况下完成的。智能体本身保持不变，但它现在配备了一套经过整理的历史智慧，帮助它更高效地应对问题。研究人员使用两种不同类型的先进编码智能体以及四个衡量软件修复和终端操作等领域性能的基准测试来测试这种方法。他们对比了智能体在独立工作与在 Evolver 过去经验库辅助下工作的表现。
结果表明，这种将探索转化为进化的方法非常有效。在一组 320 次配对测试中，使用 Evolver 的智能体比独立工作的智能体更成功地完成了任务，成功率从 83.13% 上升到了 87.50%。这种提升在不同类型的任务和不同的底层智能体模型中都保持一致。甚至更令人惊讶的是效率的提升。受 Evolver 引导的智能体在达成目标时使用的计算资源明显减少。平均而言，以 token（字符/标记）衡量的处理数据量下降了 24.24%。这种减少不仅仅是因为失败次数减少带来的副作用；即使在受引导和未受引导的智能体都成功的案例中，受引导的版本仍节省了 17.57% 的资源。这表明历史经验帮助智能体找到了更短、更直接的解决方案路径，避免了不必要的绕路和冗余计算。
研究人员通过具体案例展示了这些收益。在一次涉及统计数据 token 的任务中，受 Evolver 辅助的智能体完成工作时使用的资源减少了 86.5%，并且调用 AI 模型的尝试次数也远少于未受辅助的对手。在另一个涉及复杂软件漏洞的任务中，受引导的智能体以减少 58.2% 数据使用量的方式解决了问题。这些案例证明，该系统不仅能帮助智能体在原本会失败的地方取得成功，还能让它们以更优雅、更快速的方式取得成功。研究结论指出，通过将过去的探索视为一种持久且可重用的资产，可以创造出能够持续提升自身能力的智能体。这种方法提供了一条务实的路径，允许人工智能系统从其历史中学习并进化其技能，而无需承担重新训练核心模型的沉重代价，从而有效地将每一次完成的任务都转化为通往下一个目标的垫脚石。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。