冻结权重下的智能体自我改进：失败轨迹的价值与局限
搞 Agent 框架的人该看看这篇：它用 9B 冻结模型和教师写笔记，量化了失败轨迹到底值多少——只有 4 个百分点，而且 60% 的提升靠普通搜索就能拿到。跟一堆宣称“Agent 自我进化”的工作比，这篇泼了盆冷水，还顺手指出测试集过半有缺陷。
搞 Agent 框架的人该看看这篇：它用 9B 冻结模型和教师写笔记，量化了失败轨迹到底值多少——只有 4 个百分点，而且 60% 的提升靠普通搜索就能拿到。跟一堆宣称“Agent 自我进化”的工作比，这篇泼了盆冷水，还顺手指出测试集过半有缺陷。