Self-Evolving Agents Open-Ended Optimization LLM as Optimizer
摘要

自我进化Agent通常依赖预设的优化流水线来收集证据、修订持久化工件等。本文提出开放式优化(OEO),在固定目标和资源约束下,允许前沿模型在线自主组合改进过程。实验显示,GPT-5.5驱动的OEO在多数基准测试中优于SkillOpt和GEPA等预设方法,且显著节省Token预算。研究指出,预设流水线本质上是能力依赖的脚手架:对于弱模型仍是必要约束,但对于强模型,其可自主从反馈构建持续改进路径。

AI 推荐理由

论文标题及内容直接探讨自我进化Agent的优化流程,对比传统固定管道与开放优化方法,核心聚焦于Agent的自我改进机制。

研究机构
Microsoft Research
论文信息
作者 Hui Xue, Fan Yang
发布日期 2026-08-10
arXiv ID 2608.09629
相关性评分 9/10 (高度相关)