🔥 今日值得一读
智能体进化=动态图变换？首个系统综述，四大分类+九大子领域全拆解！
Self-Evolving Agents as Dynamic Graph Transformation: A Survey and New Perspective
👨💼 主理人解读 · 为什么值得关注
将自进化智能体建模为动态图变换，综述现有工作并提出新视角，用于理解智能体状态演化。
📖 AI 总结
本文提出将自我进化型智能体视为动态图变换的新视角，以连接图智能体与自我进化智能体两大研究领域。核心观点是，基于大语言模型的智能体状态本质上是结构化和动态的，包括记忆、工具、技能、工作流及智能体间关系等元素，这些元素随证据、反馈和环境变化而更新。作者将智能体状态建模为动态图，其中各类组件以类型化节点、边和子图表示，并通过模式约束重写实现演化。基于此，文章将现有方法归纳为四类：节点/特征演化、边/拓扑演化、子图激活和跨组件协同演化，并提出将动态图学习作为智能体进化的可复用基础设施，映射九个子领域至进化能力。最后，文章从动态图视角探讨了五类图感知评估与治理协议，为智能体设计与治理提供了紧凑的结构化分析框架。
🔑 关键词速览
| Self-evolving agents | 指能够自主更新记忆、技能和策略以适应新环境或任务的智能体系统。 |
| Dynamic graph transformation | 将智能体状态建模为随时间变化的图结构，并通过重写规则更新节点和边。 |
| Schema-constrained rewrites | 在预定义模式约束下对图结构进行修改，确保演化过程符合规范。 |
| Subgraph activation | 动态激活图中特定子图以响应任务需求，类似于模块化功能调用。 |
| Graph-aware evaluation | 基于图结构特性（如拓扑变化）来评估智能体性能的方法。 |
📱 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