从改权重到改框架:智能体自我改进的四条路线与一次收束
让 AI 改进 AI 是半个多世纪的旧梦,但 2026 年的落地方式出乎意料:不是模型改自己的权重,而是智能体改自己的「执行框架」。本文沿四条路线梳理自我改进的演进——记忆与经验、提示与工作流优化、代码自进化、模型自训练——从 Reflexion、Voyager、DSPy、GEPA 到 Darwin Gödel Machine 与 AlphaEvolve,并解释谷歌 Harness² 为何被视为这一谱系的收束点,以及 misevolve、objective hacking 这些绕不开的风险。
研究前沿
精选 · 用户投稿 · 今天
阅读 5·访客 5