该论文提出一种无需奖励、评判模型或答案键的自改进智能体：在精确DSL上运行内外双循环，内循环靠两个独立表达式一致才作答，外循环自主发现缺失能力并编写算子，仅当独立第二实现一致且满足守恒律时才接纳。实验显示其可三倍扩大可答问题集，并拒绝138/138个有缺陷算子变体，在业务账本与临床问答等新领域可自扩展十倍以上。

#agent #self-improvement

已过时译

AgentarXiv cs.AI4 天前

EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open Worlds

EvolvingBrain 提出自适应技能系统，让多模态智能体在开放世界中自我进化。它从轨迹中提取程序性与问题性模式，生成分层技能架构（领域、规划、动作/陷阱技能），并用结构化抽象记忆引导状态感知的技能融合。在 VAB-Minecraft 和 DiscoveryWorld 上提升成功率并展现泛化能力。

#agent #multi-modal

已过时译

AgentarXiv cs.AI4 天前

ARIA: Runtime Inspection and Amendment for Multi-Agent Systems

ARIA 提出面向 LLM 多智能体系统的运行时检查与修正框架，将执行验证过的修复转化为可复用监督数据，训练小模型在任务执行中途识别错误并介入修正，避免事后诊断或反复重跑。构建了首个大规模失败轨迹与验证修复配对数据集（3953 对），可跨框架与宿主模型泛化。

#multi-agent #llm

已过时译

AgentarXiv cs.AI4 天前

IneqAgent: Agentic Inequality Proving in Lean with Symbolic Computation

IneqAgent 是一个在 Lean4 中证明不等式的智能体框架，将 LLM 推理与符号计算结合，用引理级蒙特卡洛树搜索协调引理构造、目标改写与后端选择，并通过平方和、Bernstein、逐次差分代换等后端生成精确证书。在四个基准上以 DeepSeek-V4-Flash 解决 186 题中的 175 题（94.09%），推理成本更低，还验证了 Dittert 猜想的四、五维加强形式。

#agent #llm

已过时译

AgentarXiv cs.AI4 天前

AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks

AlphaDiana 是一个面向可验证推理任务的智能体评测系统，提供数据集、智能体、环境与评分器的模块化接口，可在保持原生控制循环的同时分别控制文件复用与记忆保留。研究发现，工具框架并不总能提升推理准确率，技能引导与历史记忆也未必可靠，需结合正确性评估行为与 token 消耗。

#agent #evaluation

已过时译

AgentarXiv cs.AI4 天前

The World Won't Wait: Evaluating and Teaching Agents Under a Live Clock

论文提出 RealtimeBench 基准，含 180 个任务、六类游戏，在推理持续进行时评估 LLM 智能体，发现慢而强的模型在游戏暂停时占优、实时运行下反被快模型超越。作者提出 TORSI 双时间尺度离线递归自改进：慢教师离线分析失败并生成可复用指令，快学生在线执行，两轮将 Jev 平均分从 13.51 提升至 24.19，并可迁移到其他模型。

#agent #llm

已过时译

1 2