Phronix论文提出以能力为中心的智能体学习范式

Hariharan Devarajan 等人在 arXiv 发布论文，提出 Phronix——一种以能力为中心的学习范式，让基于大语言模型的智能体 harness 从自身执行中获取、验证并沉淀可复用能力，通过 predictor-validator-corrector 循环把交互提炼为能力库。 论文称，学习到的能力在所有测试模型上首次尝试解决重复出现任务的比例达 93-95%；warm-start 运行每个任务仅消耗 0.38-0.40 百万 token，比基线单次尝试少三到四倍；并使两款较便宜模型在 SWE-bench 上的任务解决率从 29% 和 27% 提升至 91% 和 87%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。