回到最新动态
研究论文 / THE SIGNAL

The Trinity:面向多模态智能体的能力驱动递归自我改进

The Trinity:Capability-Driven Recursive Self-Improvement for Multimodal Agents

重要性 6.0 AI 辅助整理

论文用能力树驱动多模态智能体递归自我改进

资讯摘要

论文提出 The Trinity 递归自我改进框架,通过 Creator、Explorer、Evolver 三个角色,将世界生成与 Harness 演化耦合。Evolver 依据已验证的执行轨迹,把按表面类别组织的任务树重组为分层能力树;Creator 对同一节点下的异构任务抽象出共同需求,构建可验证的简化模拟世界,并在原任务上评估迁移效果。作者报告,演化后的 Harness 在 28 个训练基准上平均提升 34 分,在 18 个未见基准上提升 26 分,其中包括两个真实具身任务。

要点速读

  1. 论文提出 The Trinity 框架,用 Creator、Explorer、Evolver 三角色耦合世界生成与 Harness 演化。
  2. Evolver 将任务树重组为能力树,Creator 以 Real2Sim2Real 方式构建可验证模拟世界。
  3. 作者报告在 28 个训练基准上平均提升 34 分,18 个未见基准提升 26 分,含两个真实具身任务。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21(北京时间)。

阅读 Daily Papers 原文arxiv.org · 在新窗口打开