#奖励黑客
带有“奖励黑客”标签的文章1篇
标签文章
按从新到旧显示带有“奖励黑客”标签的文章。

AI应用
自我改进AI智能体的架构:双循环、版本化与密封评估器
自我改进智能体冻结模型权重,只修改指令、工具和编排代码。内循环完成任务,外循环依据运行证据改写智能体版本。候选版本须在相同工具、相同预算和隐藏测试下对比基线。评估器和留出测试集放在智能体写权限和沙箱之外。批准前需确认哪项能力提升,以及能否泛化到未见任务。
带有“奖励黑客”标签的文章1篇
按从新到旧显示带有“奖励黑客”标签的文章。

自我改进智能体冻结模型权重,只修改指令、工具和编排代码。内循环完成任务,外循环依据运行证据改写智能体版本。候选版本须在相同工具、相同预算和隐藏测试下对比基线。评估器和留出测试集放在智能体写权限和沙箱之外。批准前需确认哪项能力提升,以及能否泛化到未见任务。