分层自我改进: 面向任务特定可进化智能体框架的体系

摘要

该研究提出分层自我改进（HSI）框架，其中单个冻结的LLM在任务执行、进化器和元进化器三个层级上操作，通过固定接口热替换任务框架，并利用环境反馈重写。思维开关设计隔离了框架进化的贡献。实验表明，在BALROG基准上使用DeepSeek-V4-Flash-Preview作为冻结基线，HSI在中等难度任务上持续改进（BabyAI +39.3、Crafter +33.0、TextWorld +25.0、MiniHack +15.0，原始进度百分比），并在BabaIsAI子套件上表现出强大的泛化能力（BreakStop 0.98，GoTo 1.00，20%未见切分）。然而，超出基干能力（NLE）的任务未能从进化中获益，凸显了反馈保真度和基干能力边界。代码已提供。