智能体自己进化大脑！EvolvingBrain让开放世界任务成功率飙升
EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open Worlds
📖 AI 总结
本文提出EvolvingBrain，一种面向开放世界多模态智能体自我进化的自适应技能系统，旨在弥补现有方法的不足：监督微调只能模仿而无法主动组织经验，基于结果的强化学习虽促进探索却未充分利用中间轨迹信息。该系统包含两个核心组件：分层技能自进化，从模型特定轨迹中提取程序性模式与问题性模式，通过生成技能总结经验，并在与开放世界的多次交互中演化出由领域、规划、动作/陷阱技能构成的分层技能架构，为智能体提供多粒度知识库；状态感知自适应执行，将长时程交互总结为结构化抽象记忆，并据此引导状态感知技能融合策略，使智能体按当前状态调用知识。在VAB-Minecraft和DiscoveryWorld上的实验表明，EvolvingBrain提升了开放世界任务的成功率并展现出泛化能力。
🔑 关键词速览
| EvolvingBrain | 本文提出的自适应技能系统，作为多模态智能体在开放世界中自我进化的核心大脑。 |
| Stratified Skill Self-Evolution | 从轨迹中提取模式并生成技能，通过交互进化形成分层技能架构的自我进化机制。 |
| State-Aware Adaptive Execution | 利用结构化抽象记忆指导技能融合，使智能体根据当前状态自适应执行任务的策略。 |
| Structured Abstractive Memory | 将长时程交互总结为结构化抽象表示的记忆形式，用于指导智能体的决策。 |
| VAB-Minecraft | 一个用于评估开放世界多模态智能体能力的基准测试环境，基于 Minecraft 构建。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅