自我进化Agent研究：可塑性以牺牲稳定性为代价

一项针对自我进化Agent的研究显示，非参数方法在多数漂移任务流中虽能提升整体性能，但更高的可塑性是以牺牲稳定性为代价。 研究指出，自修改方法对共享prompt进行全局编辑会干扰未见任务，而相似度检索机制存在外域记忆召回和检索冲突问题。 上述缺陷表明，当前的自我进化Agent尚未具备持续学习者的完整特征，仍属于未完成的持续学习者。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。