提出CausalEvo：固定模型权重下的因果技能自演化方法

Yuchen Zhang等人发布论文，提出面向健康LLM Agent的因果技能自演化方法CausalEvo。该方法在固定模型权重、反馈案例和规则数量的条件下，通过配对技能替换与最小二乘评分决定保留哪些规则。 在MedCalc-Bench-Verified的六个任务、120个保留案例上，CausalEvo达到60.00%准确率，高于SkillOpt的55.83%和无技能的51.67%。但作者称增益集中在部分计算任务上，其他任务出现回退，且配对准确率区间包含零，作者声称的改进未形成显著结论。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。