ICML 论文：自适应失败分类法
wzenus · x · 2026-07-11
一篇 ICML FAGEN Workshop 论文《Fantastic Adaptive Taxonomies and How to Use Them》获得最佳论文奖。作者同时概述了这项工作的核心思路：失败分类法（failure taxonomy）可以从静态手工设计，变成对 agent 弱点和任务动态自适应生成。
论文想解决什么
传统做法往往使用 MAST 等预设的失败分类法，但作者认为这类固定 taxonomy 不够贴合实际 agent 行为。
主要用途
论文展示了自适应 taxonomy 的三种用途：
- 作为 test-time scaling 工具，服务 best-of-N judge
- 作为优化循环中的 mutation feedback 机制
- 作为 coding agents 的运行时反馈信号
核心方法
- 通过观察 agent rollout 来发现失败模式
- 基于这些观察，动态构造更贴合当前任务和弱点的分类体系
- 让 taxonomy 本身成为可迭代优化的对象，而不是固定标签集
所属事件:自适应失败分类法获ICML工坊最佳论文(3 条相关)→
「编程与Agent」频道最新
- AI 编程编辑器 Superset 更名 Paradev,获 1150 万美元种子轮 — massimosgrelli · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27
- Claude Projects 新招:拖拽或 @ 引用会话线程,定位更精确 — dfeinition · 2026-10-27
- Yaron Minsky 分享让代码库更适配 AI Agent 的实操清单 — sh_reya · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Runway 发布 App Studio：描述即生成图片视频音频创意应用，无需代码 — runwayml · 2026-10-27