arXiv · cs.AI· Mingze Yin, Xiaohan Wang, Dian Li, Longfei Luo, Jiahong Yan, Yiheng Zhu, Chang-Yu Hsieh·· 5 小时前
Darwin-Claw：面向递归自进化智能体的环境自适应经验巩固框架
Darwin-Claw: Environment-Adaptive Experience Consolidation for Recursively Self-Evolving Agents
arXiv:2610.23574v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Mingze Yin, Xiaohan Wang, Dian Li, Longfei Luo, Jiahong Yan, Yiheng Zhu, Chang-Yu Hsieh
研究任务与主要进展
Darwin-Claw 提出环境自适应经验巩固框架，通过层次化经验系统提炼细粒度错误归因并形成动态更新的原型向量，用于智能体技能与持久记忆的协同演化。基于论文摘要，该框架兼容主流 Agent 系统且无需人工整理，在 WildClawBench 实验中带来显著性能提升；具体基线、实验规模和成本细节未在摘要中说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org