最新资讯
dev.to 我们在 DolphinBench 上测试记忆检索:纯关键词搜索暴露了自身回归 dev.to 别再把 Agent 写成 while 循环,把它建模为状态机 bloomberg.com Rightmove 与 Scout24 借 AI 产品应对低迷房市并上调展望 stackoverflow.blog 欢迎来到芯片时代:半导体制造、AI 数据中心与芯片设计的未来 www.youtube.com AI Agent 总犯同样的错:CentralAgent AI 将记忆重构为经验系统 pub.towardsai.net Netflix 科学家建议重采样 LLM 评判:5 次仅将误差棒缩小 13% pub.towardsai.net Jev 作为 LLM 前的静默层:构建提示感知的模型路由器 reddit.com OpenAI 称 Astra 仅满足 10% 安全任务标准 dev.to FreeToken:在自有 GPU 上运行前沿 MoE 模型及其内存需求 dev.to 当 AI Agent 说“完成”时,究竟完成了什么? dev.to 部署 Underdog Bark 3.0 Pro:逐字转写、自定义后端与分块设置 dev.to 为艰难对话构建 AI:五个 Agent、一条安全正则与一位盲评监督者
多元动态
登录 注册
智能体 www.youtube.com · @AI Engineer

从 36% 到 100%:自改进 Agent 如何编写自己的技能

原文 我的收藏

Runlayer 创始工程师 Rafal Wilinski 在演讲中介绍如何从单个自改进 agent 扩展到自改进组织。他指出 agent 运行时间越长技能越重要,并归纳技能面临的三个问题:面向开发者构建、无人有时间编写、许多客户端不支持。其方案是通过 MCP 从统一治理的服务器分发技能,再让 agent 蒸馏成功与失败的运行记录来自行编写技能,思路借鉴 Voyager Minecraft 论文。在一个测试中,蒸馏出的技能将任务成功率从 36% 提升到 100%。

AI推荐理由 Runlayer 创始工程师 Rafal Wilinski 的演讲,提出用 MCP 作为技能分发层,让 agent 通过蒸馏成功与失败运行来自行编写技能,思路借鉴 Voyager Minecraft 论文。文中给出一个测试案例:蒸馏技能将任务成功率从 36% 提升到 100%。该案例为单次测试结果,缺乏可复现细节和独立验证,需保留其不确定性;但主题对 Agent 自改进和技能复用有实际参考价值。

70

正文

当前仅保存了标题或简介;并非所有来源都提供正文,可通过下方原文链接查看。

来源报道 · 1 篇 · 以下链接均前往原始媒体

← 返回精选动态 原文

更多内容