摘要
本文提出 EvoAgent，一种融合结构化技能学习与分层子智能体委托机制的可进化大语言模型智能体框架。该框架将技能建模为具备触发机制与进化元数据的多文件结构化能力单元，通过用户反馈驱动的闭环流程实现技能的持续生成与优化。此外，结合三阶段技能匹配策略与三层记忆架构，支持复杂任务的动态分解及长期能力积累。实验表明，集成该框架后，模型在专业性、准确性及实用性上显著提升，平均得分提高约 28%。
AI 推荐理由
论文提出可进化框架，核心在于技能生成优化与闭环反馈机制。
研究机构
Focus AI Center, Focus Technology Co., Ltd.
zhangaimin@focuschina.com
guojiajing@focuschina.com
jiafuwei10921@focuschina.com
lvchen1018@focuschina.com
wangboyu1018@focuschina.com
lifangzheng1018@focuschina.com
论文信息