arXiv · cs.AI· Zixuan Xie, Chang Xu, Yuhua Jiang, Li Zhao·· 1 天前
可编辑改进动力学模型用于预测智能体自我进化中的修改效果
Predict Before You Modify: Learning Improvement Dynamics for Self-Evolving Agents
arXiv:2610.13991v1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：Zixuan Xie, Chang Xu, Yuhua Jiang, Li Zhao
研究任务与主要进展
研究提出可编辑的改进动力学模型（IDM），在评估前预测智能体修改的任务结果，并指导可选的再次修订。作者基于HyperAgents在多语言编码、论文评审、机器人奖励设计和奥林匹克数学评分四个领域进行评估，报告其跨代平均性能最高提升46%。摘要还称，优势在匹配代币预算和未见任务下保持，预测准确率随IDM进化提高，学习到的预测知识可迁移到新领域；上述结果仅依据论文摘要。
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