提出Darwin-Claw自进化Agent框架

Mingze Yin 等在 arXiv 论文（cs.AI）中提出 Darwin-Claw，一个面向递归自进化 Agent 的环境自适应经验巩固框架。该框架通过层次化经验系统提炼细粒度错误归因，形成动态更新的原型向量，使 Agent 的操作技能与持久记忆协同演化。 作者称该框架可部署、自动化，兼容主流 Agent 系统且无需人工整理，并在 WildClawBench 实验中带来显著性能提升。以上为作者声称、基于论文摘要，具体基线、实验规模和成本细节未在摘要中说明。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。