自改进 Agent 接受 harness 修改前应在独立新任务上验证
讲自改进 Agent 怎么防止改坏自己:新改动先在独立任务上跑赢旧版才准上线,还给了 GPT-5.4-nano 在 SpreadsheetBench 拿 77.58% 的例子。
讲自改进 Agent 怎么防止改坏自己:新改动先在独立任务上跑赢旧版才准上线,还给了 GPT-5.4-nano 在 SpreadsheetBench 拿 77.58% 的例子。
多目标优化研究者终于有了 SPEA2 的理论短板分析——原版在支配解处理上存在盲区,SPEA2$^+$ 的改进思路(全距离密度估计)简单有效,做进化算法理论或应用的团队值得关注。
做 AI 编码智能体或进化算法研究的开发者,这篇论文帮你拆解了 benchmark 分数的真实来源——别再只看最终得分了,EvoTrace 让你看清智能体到底在“进化”什么。