EvolvingBrain：多模态智能体开放世界自适应技能系统
原文标题：EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open Worlds
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 EvolvingBrain，用自适应技能系统作为多模态智能体自我进化的大脑，包含分层技能自进化与状态感知自适应执行两部分。前者从轨迹中提取过程模式与问题模式，形成领域、计划、动作/陷阱三层技能架构；后者将长程交互总结为结构化摘要记忆以指导技能融合。在 VAB-Minecraft 与 DiscoveryWorld 上，该方法提升了开放世界任务成功率并展现泛化能力。
- 问题
- 多模态智能体在开放世界中缺乏主动组织经验、自我进化的能力。
- 方法
- 提出 EvolvingBrain，从轨迹提取过程与问题模式形成领域/计划/动作三层技能架构，并用结构化摘要记忆指导状态感知技能融合。
- 结果
- 在 VAB-Minecraft 与 DiscoveryWorld 上提升开放世界任务成功率并展现泛化能力。
- 影响
- 为开放世界智能体提供可积累的技能记忆机制，替代单纯模仿或结果奖励学习。
深读 · 结论先行AI 生成展开看要点与影响 ↓
EvolvingBrain 用三层技能架构让多模态智能体在开放世界中自我进化，Minecraft 等基准成功率提升。
- •方法分两部分：分层技能自进化 + 状态感知自适应执行
- •从轨迹中提取过程模式与问题模式，形成领域、计划、动作/陷阱三层技能架构
- •用结构化摘要记忆总结长程交互，指导状态感知的技能融合策略
- •在 VAB-Minecraft 与 DiscoveryWorld 上验证，成功率提升并展现泛化能力
- •针对监督微调只会模仿、结果型 RL 浪费中间轨迹信息的痛点
为什么重要：把中间轨迹信息转化为可复用技能库，是智能体从「会做一次」到「越做越强」的关键路径，对做开放世界智能体的团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。