分层实验者智能体

针对大语言模型在陌生领域及复杂长程任务中依赖参数化知识的局限，本文提出分层实验者智能体（HExA）。这是一种无需训练的上下文自我改进框架，通过主动实验设计、优化查询相关实验，并从经验中学习可复用的组合技能库。在基于物理模拟的 Interphyre 基准测试中，HExA 显著提升了模型性能，将 Claude Sonnet 的成功率从 2% 提高至 77%，并证明了所学技能的泛化与迁移能力，展示了主动实验在获取新知识与技能进化中的关键作用。