AI
刷新
"Mem2Evolve: Towards Self-Evolving Agents via Co-Evolutionary Capability Expansion and Experience Distillation" 论文笔记

博主头像 北航的工作 Mem2Evolve 发表于 ACL 2026,提出了一种全新的智能体自我进化范式,把"能力扩展"与"经验蒸馏"两个过程耦合起来,实现更稳定、更高效的智能体持续进化 背景 LLM 智能体在各类应用中已取得显著成功,研究者们不再满足于静态的任务特定系统,而是开始追求能够自我进化的智能体。然 ...

Agent 学习笔记 21:Hermes Agent:自我进化型 Agent 的三层架构

博主头像 “自我进化型 Agent”听起来像模型会自行升级,但 Hermes Agent 给我的更实际启发,是把长期变化放在分层架构中管理:运行时完成当前任务,记忆层保存经验,技能层把反复成功的方法沉淀下来。 三层各自解决什么 运行层负责理解目标、选择动作和处理工具结果;记忆层保存任务轨迹、偏好与反馈;技能层 ...

Agent 学习笔记 20:OpenClaw:跨平台个人 AI 助理的系统结构

博主头像 个人 AI 助理真正困难的地方,不是接入一个聊天模型,而是同时面对多个消息渠道、长期身份、工具权限、后台任务和插件生态。OpenClaw 这类项目的价值,在于展示了一个 Agent 产品怎样被拆成可以长期演进的系统。 渠道层与 Agent 核心要分开 用户可能从网页、桌面端、聊天软件或语音入口发起请 ...

奇摩有话说:大模型怎样落地企业开发

博主头像 澶фā鍨嬩粠銆屼細鑱婂ぉ銆嶈蛋鍚戙€岃兘骞叉椿銆嶏紝鍏抽敭鍦ㄤ簬鏅鸿兘浣撴妸妯″瀷鎺ヨ繘鐪熷疄宸ヤ綔娴併€傛湰鏂囩粨鍚堝鎽╃敤 WorkBuddy 钀藉湴浼佷笟鑷姩鍖栫殑瀹炶返锛岃娓呭ぇ妯″瀷鐪熸鍙敤鐨勪笁涓秼鍔裤€ ...

Agent 学习笔记 19:LangGraph:为什么复杂 Agent 需要状态图

博主头像 当 Agent 只有“模型决定工具,工具返回结果”这一条循环时,普通 AgentExecutor 已经够用;当流程出现分支、审批、并行、暂停恢复和失败补偿,状态图会比隐藏在 Prompt 里的流程更可靠。 图把控制流显式化 LangGraph 用节点表示计算或动作,用边表示跳转,用 State 保存 ...

双模型引擎协同:基于 YOLO + 多模态 VLM 的目标检测、语义理解与 SOP 合规分析复合工业场景实践与应用

博主头像 iNeuOS_Vision 是以YOLO 目标检测和多模态VLM模型语义理解为双引擎的工业视觉智能分析平台。当前市场已有“小检测模型 + VLM 大模型”协同的视频检测和分析产品,都集中在硬件摄像头品牌厂家;但同时具备“YOLO目标检测、VLM与YOLO检测结果联动及定时独立巡检、告警驱动完成YOL... ...

别急着重构系统:3 个小团队今天就能落地的智能体应用

博主头像 小团队的协作很像一家忙碌的小餐馆:真正拖慢大家的,往往不是少一个大厨,而是订单、备料和出餐信息散在不同角落。前端、后端、运维与 Web Coding 开发者今天可以先挑一件每周重复的事,给智能体限定输入和只读工具,让它交付一份能核对的差异单、摘要或草稿。做到“结果能复查、异常会停下”就够用;业务取舍 ...

硬件研发自动化协作技术流程规范

博主头像 硬件研发自动化协作技术流程规范:从语义理解到物理落地的标准化路径1. 硬件自动化转型的背景与逻辑硬件工程领域的传统研发模式存在效率瓶颈。试错成本高、交付周期长,这些问题制约着企业创新。本规范试图改变这种状况,通过调整 AI 与硬件工程的协作方式,提升首版成功率。硬件设计的物理特性决定了容错空间小。与 ...

Agent 学习笔记 17:自我进化 Agent:提示词优化、数据飞轮与持续学习

博主头像 所谓“自我进化”很容易被描述成 Agent 自动变聪明,但工程上更可信的解释是:系统持续收集失败与反馈,提出改进候选,经过离线评估和审批后再更新 Prompt、Skill、检索或模型。 自动优化的是系统,不只是 Prompt 失败可能来自工具描述、上下文、数据、流程或模型。只让模型反复重写 Prom ...

123···50>