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
- 团队级 AI Agent 落地难题：共享上下文和任务协调放哪里？ — Al_Grigor · 2026-09-11
- MCP 链式调用无回滚：agent 工程的真实痛点 — agentrsdg · 2026-09-11
- DeepMind 等论文：设计文档当真相源，代码改为可抛弃产物 — Roger_M_Taylor · 2026-09-11
- 用 Agent 造小分类器：19 万文档标注成本仅 0.7 美元 — vanstriendaniel · 2026-09-11
- MathModelAgent 走红:自动完成数学建模并生成可提交论文 — jihe520 · 2026-09-11
- alphaXiv 开源 OpenResearch:用任意模型并行跑研究智能体 — alphaXiv · 2026-09-11