论文关系地图
每条路线按首次发表时间排列。点击题名突出相邻工作,沿机制、评测与改进对象跨路线阅读。
评测与忠实度 8
把长期对话理解分解为问答、事件摘要和多模态对话生成,是后续 memory 方法常用的评测起点。
阅读论文 →用信息提取、多 session 推理、时间推理、知识更新和拒答五类能力诊断长期记忆。
阅读论文 →把数据组织为顺序任务流,检查 agent 能否边执行边检索、整合和更新经验。
阅读论文 →用对原始与压缩经验的因果干预,检查决策是否依赖经验内容。
阅读论文 →在相互依赖的多 session 子任务中,同时测试记忆获取、经验提炼和后续行动。
阅读论文 →在多模态多 session 对话中,检验长上下文和外部记忆如何保存并使用视觉证据。
阅读论文 →在匹配条件下开关持久经验,分开衡量后续任务收益和 save–retrieve–update 路径证据。
阅读论文 →让 agent 在固定时间/API 预算内设计评价任务与 grader,再比较其排序与隐藏目标 benchmark 的一致性。
阅读论文 →程序与系统演化 10
一个调用 LLM 的代码优化器修改自身,从而改变未来代码优化过程。
阅读论文 →把想法、代码、实验、论文和模拟评审串成可重复的科研 agent loop,但仍需检验长期改进和新颖性。
阅读论文 →Meta Agent Search 根据历史 archive 自动编写新的 agent 程序,探索提示、工具和工作流组合。
阅读论文 →修改自身 coding-agent 代码,基于 benchmark 验证变体并在 archive 中持续探索,是程序级 RSI 的代表。
阅读论文 →LLM 提出算法代码变体,由自动评价器和演化搜索选择并持续改进。
阅读论文 →将每次系统编辑与其预测、来源轨迹和后续结果配对,使 harness 演化可定位、可回退、可证伪。
阅读论文 →按演化目标、发生时机和 coding-specific feedback 梳理记忆、技能、组件与工作流变化。
阅读论文 →约束候选编辑和选择,减少 harness 演化对开发 benchmark 的过拟合。
阅读论文 →科研 agent 提出对自身代码的修改,在隐藏评测上选择,再用接受后的版本进入下一轮。
阅读论文 →通过候选规则池、LLM mutator 和 judge 迭代选择编码规则。
阅读论文 →经验与技能 6
记忆学习 2
记忆架构 7
参数适应 1
模型自生成训练数据和更新指令,再依据更新后表现学习如何进行持久权重适应。
阅读论文 →