工作区优化：如何训练你的智能体

现代基于前沿语言模型的智能体通常无法调整权重，本文提出“工作区优化”作为可训练的替代方案，即演化智能体读写测试的结构化外部基质。该方法针对多轮交互环境，通过类比权重空间训练（如用文本反馈替代梯度）来 principled 地演化工作区。作者在 DreamTeam 多智能体框架中实例化了该理念，在 ARC-AGI-3 基准上将最先进得分从 36% 提升至 38.4%，同时减少了 31% 的环境交互动作。