摘要
针对现有 AI 代理框架在交互协议、工具集成及用户模型上的静态局限,本文提出 STEM Agent。该模块化架构受生物多能性启发,使未分化核心演化为专用协议处理器、工具绑定及记忆子系统。框架统一五种互操作协议,引入持续学习用户偏好的调用者分析器,并通过模型上下文协议(MCP)外部化领域能力。其核心创新在于生物启发的技能获取系统,将重复交互模式经成熟生命周期固化为可复用技能。此外,记忆系统包含情景剪枝等机制以支持亚线性增长。413 项测试验证了各层组件的高效集成。
AI 推荐理由
论文核心提出受生物启发的技能获取系统,将交互模式固化为可复用技能,属技能学习架构研究。
研究机构
卡内基梅隆大学
论文信息