ExpVoyager: 把Agent经验技能合成重构为按需经验导航问题
yonsei-dli · hf · 2026-09-30
延世大学 DLI 团队发布 ExpVoyager 框架，针对 LLM agent 的自进化学习问题：现有方法在下游需求未知前就把过往经验固化成固定程序性知识，容易丢弃日后关键的信息、又保留与未来任务无关的细节。
论文将技能合成重构为对历史经验的动态导航问题：一个 skill curator 在多个视角和分辨率下浏览原始轨迹，按当前任务需求持续识别可复用的程序性知识，同时追踪尚未满足的知识需求来决定下一步导航方向。
实验显示：下游任务性能一致提升，经验空间扩大时收益持续增长，且高效的经验访问使其可与现有技能库兼容。
「编程与Agent」频道最新
- Spring AI 演讲预告：《There and Back Again》即将开讲 — therealdanvega · 2026-09-30
- 前 Palantir 工程师：多数 FDE 是在填产品缺口，不是真做前沿部署 — ivory_tang · 2026-09-30
- Brevo MCP Server 让 Claude 全接管邮件营销自动化 — modelcontextprotocol · 2026-09-30
- 用 Jev 做搜索重排序:一次性搜索任务的高价值用法 — marktenenholtz · 2026-09-30
- CppCon 主题演讲:内存层级迎来新层级,提出对象 wherency 概念 — lauriewired · 2026-09-30
- OpenClaw 联合 Red Hat、NVIDIA、OpenAI 开源企业级 Agent 控制面 — RichmanRonald · 2026-09-30