新研究 Metan：自改进 Agent 通过加深策略层实现进化
rohanpaul_ai · x · 2026-08-30
Rohan Paul 介绍了一项来自明尼苏达大学和首尔大学的新研究，提出了一种不同于常规的自改进智能体（Self-improving Agents）方法。名为 Metan 的系统固定了改进操作本身，通过向每一层提供底层代码和执行轨迹，仅在性能提升时加深策略堆栈。这种方法让新层能基于先前层的尝试和结果进行细化或回滚，避免了改进机制本身被破坏的风险，从而更稳健地实现自我进化。
所属事件:Meta^n 递归架构让 AI Agent 自我改进(3 条相关)→
「漫话AGI」频道最新
- 首篇论文即中 NeurIPS spotlight:多智能体集群安全研究 — LauraRuis · 2026-10-16
- Yoav Artzi 谈顶会评审：投稿洪流仍在加大，中位段论文评审随机性最高 — yoavartzi · 2026-10-16
- Letta 创始人：要在由问题定义的领域工作，而非由方法定义的领域 — lateinteraction · 2026-10-16
- 研究者预测：纯数学家将大量涌入 AI 存在性风险讨论圈 — Dr_Atoosa · 2026-10-16
- 用模型输出增强下一代训练数据,RSI 其实早已开始 — akbirthko · 2026-10-16
- Luiza Jarovsky：AI 时代职业前景难测，家长建议孩子不如「做所爱之事」 — LuizaJarovsky · 2026-10-16