arXiv · cs.AI· Qianhan Feng·· 21 天前AI 评分49
HMED：从修订后果中学习的自改进智能体元经验蒸馏方法
Learning from Revision Consequences: Hindsight Meta-Experience Distillation for Self-Improving Agents
来源与原文
arXiv · cs.AI
作者：Qianhan Feng
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.07979v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究提出 HMED（Hindsight Meta-Experience Distillation），一种为自改进智能体构建 Meta-Experience 的机制：从同一恢复的发现状态重新执行原与修订后的 Meta-Skills，使修订的实际影响可在相同条件下观察，并将比较结果蒸馏为可复用的结构化记录。在三个交互式智能体 benchmark 及开源与闭源模型上，HMED 的 Skill 发现性能均持续超越强基线。
来源：arXiv · cs.AI · arxiv.org