Phronix：面向智能体的能力中心学习范式

Phronix 让智能体从自身执行中积累可复用能力并提升可靠性

资讯摘要

论文提出 Phronix，一种能力中心学习范式，让智能体框架从自身执行中获取、验证并精炼可复用能力，通过预测器-验证器-纠正器循环运作：MCP 工具与技能提出方案，工具执行验证，观测结果用于精炼已存能力。作者报告：学到的能力首次尝试即解决重复任务的比例达 93-95%；每个任务可自动生成 7.6-30.8 项持久能力；热启动每任务仅耗 0.38-0.40 百万 token。

要点速读

1. Phronix 将每次交互蒸馏进能力库，遇到失败任务会继续研究而非放弃
2. 作者报告学到的能力首次尝试解决重复任务的成功率为 93-95%，降低解的非确定性
3. 在 1000 Genome Pegasus 工作流上通过全部 11 项正确性检查（基线为 6 项），并将两个较便宜模型在 SWE-bench 上的解决率从 29%、27% 提升至 91%、87%

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 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。