- 综合排序
- 最热优先
- 最新优先
- 来自专栏祝威廉
机器的自我进化
现在我们是人工去训练，我们也可以完全让机器自己去寻找标注好的数据训练出一个新的机器，实现自我设计和训练，也就是自己的进化。
32010发布于 2018-08-27 - 来自专栏机器之心
无需标注图像，VLM也能「自我进化」！RL自我进化框架VisPlay突破视觉推理难题
最新研究 VisPlay 首次提出了一个自进化强化学习框架，使 VLM 能够仅通过海量的未标注图像数据进行自我演化和能力提升。 VisPlay 将基础 VLM 分解为「提问者」和「推理者」两大角色，通过迭代的自我进化机制协同进化，并结合 GRPO 算法和创新的多样性/难度奖励，平衡了问题的复杂度和答案的质量。 在这样的背景下，研究者开始尝试「自进化」（Self-Evolving）的思路，让模型能通过自我生成、自我修正以及从自身经验中持续学习，从而实现自主的能力迭代。 VisPlay： 基于自我进化的自进化框架 为解决上述挑战，由来自伊利诺伊大学厄巴纳-香槟分校、华盛顿大学圣路易斯分校、马里兰大学、新加坡国立大学的研究团队提出的 VisPlay 框架，首次将自进化强化学习应用于 VisPlay 的核心理念是自我进化（Self-Evolving）：它从一个基础预训练 VLM 出发，将其在训练过程中分解成两个相互作用的角色。
29910编辑于 2025-12-24 - 来自专栏算法一只狗
AI自我进化，学会自己写代码了！
使用方法 给定coding指导 选择MutableAI：Give a coding instruction 输入需要指导的内容： 该插件会生成相应的代码进行参考： 代码补全和生成 代码文档生成 4
2K30编辑于 2023-01-18 - 来自专栏深入浅出区块链技术
Conflux的自我进化：从DAG到树图
采访前我们想要Conflux的首席技术官伍鸣博士帮我们解答的疑问是：「DAG」与「链」的本质区别是什么？我们为什么要用它？它自身的局限性又在哪里？
1.7K30发布于 2019-04-28 - 来自专栏机器之心
CREATOR制造、使用工具，实现LLM「自我进化」
.pdf 研究背景 近年来，大规模语言模型（Large Language Models）取得了显著的研究进展，包括 GPT-3、Codex、PaLM、LLaMA、ChatGPT 和最近发布的 GPT-4 修正（Rectification）：运用大模型对于错因推理以及自我修复的能力，对执行阶段捕捉到的问题进行修复。 整个工具创造框架灵活运用了大模型的不同思维能力：提取问题关键信息的抽象思维推理，根据任务实施方案决策的具象思维推理，以及根据问题寻求解决方案的自我修复推理。
33910编辑于 2023-08-07 - 来自专栏量化投资与机器学习
一支公募量化团队，如何自我进化？
起初外界谈起量化投资，想到的往往还是模型、因子。而到了今天，一支量化团队能不能走得更远，越来越取决于研究、策略、系统、优化、交易执行等不同环节是否能够真正协同起来。
23310编辑于 2026-04-30 - 来自专栏华章科技
【碾压Master】AlphaGo Zero登上Nature，无需人类知识自我进化
是的，你或许要说，AlphaGo已经在今年5月宣布退休，但AlphaGo的技术将永存，并进一步往前发展、进化。DeepMind已经完成围棋上的概念证明，接下来，就是用他们的强化学习改变世界。 ，为了分开结构和算法的贡献，DeepMind研究人员还比较了 AlphaGo Zero 的神经网络架构和先前与李世乭对弈时的 AlphaGo （记为 AlphaGo Lee）的神经网络架构的性能（见图4） 我们构建了4个神经网络，分别是在 AlphaGo Lee 中使用的分开的策略网络和价值网络，或者在 AlphaGo Zero 中使用的合并的策略和价值网络；以及 AlphaGo Lee 使用的卷积网络架构 图4：AlphaGo Zero 和 AlphaGo Lee 的神经网络架构比较。 4.化名“Master”横扫棋界 2016年底至2017年年初，再度强化的AlphaGo以“Master”为名，在未公开其真实身份的情况下，借非正式的网络快棋对战进行测试，挑战中韩日台的一流高手，60战全胜
67240发布于 2018-08-17 - 来自专栏孟永辉
产业互联网，互联网的新自我进化
文/孟永辉 互联网的伟大之处在于自我修正，自我革命，自我进化。 很多人可能并不认同这个观点。 因为在他们的脑海里，资本和流量始终是互联网发展的命脉，为了获得资本和流量，互联网可以无所不用其极。 阿里从B2B到B2C再到手淘；百度从搜索到资讯再到AI；腾讯从社交到游戏再到产业，这些大的脉络背后其实都是互联网在进行自我修正，自我革命和自我进化。 事实上，互联网的自我进化并未停止。 现如今，正在进行的如火如荼的产业互联网，其实依然是互联网自我进化的结果。 为啥这么说呢？ 试想一下，如果没有互联网的自我进化和自我修正，而是继续沿着早期的发展道路固执地走下去，或许早已被拍死在了沙滩上。 正视产业互联网是互联网自我进化的产物，才能让新产业革命不再是无源之水，无本之木。 千万要记住：互联网的伟大之处在于自我修正，自我革命，自我进化。
61641发布于 2020-10-26 Agent 装 Agent：用 OpenClaw 安装 Hermes，顺手验证自我进化
TL;DR：用OpenClaw全程操控远程VM，从Terraform建机器到安装配置HermesAgent，并在实测中触发了自我进化，生成了一个高质量Skill。 他重点提到了一个特性：自我进化。agent能在完成复杂任务后自动创建Skill，在后续使用中持续迭代优化，形成一个闭合的学习循环。这个概念让我想起了自己一直在做的事情。 我也研究过HyperAgents，探索agent自我进化的可能性。所以当朋友说“Hermes能自动做这件事”时，我的第一反应不是兴奋，而是好奇：自动化和手动控制，哪种方式更有效？ 六、自我进化：预期vs现实这是安装Hermes最核心的动机，也是最想验证的部分。 自我进化+Honcho用户建模，这两个特性都需要时间沉淀。后续会写一篇「Hermes长期使用报告」，一并跟进体验，敬请期待。
86100编辑于 2026-04-17- 来自专栏DeepHub IMBA
让 AI 智能体学会自我进化：Agent Lightning 实战入门
模型权重是静态的，提示词需要人工迭代，整个系统缺乏自我优化的闭环。 Agent Lightning 针对这一问题提出了解决方案。 prompt_template.format(**task) response = client.chat.completions.create( model="gpt-4o 从更大的视角看，Agent Lightning 代表了智能体开发从静态部署向动态进化的转变。随着这类工具的成熟，智能体将逐步具备自适应能力，成为真正意义上的学习型系统。
48310编辑于 2026-02-27 - 来自专栏安徽开发者圈
AI开始做梦了：Anthropic推出Dreaming让AI自我进化
Agent 的元年，那 2026 年 5 月 6 日可能被记住—Anthropic 发布了一项叫Dreaming(梦境)的新能力，让 AI Agent 可以像人类睡觉整理记忆一样，从过去的错误中学习，实现自我进化 AI 自我改进：2028 年的预言 Anthropic 联合创始人 Jack Clark 本周提出了一个大胆预测：到 2028 年底，AI 自主创造 AI 的概率达到 60%。 Anthropic 研究所的新研究议程也在围绕递归自我改进展开—也就是 AI 帮助加速 AI 的研发，而 Dreaming 正是这个方向的第一个产品化落地点。 听起来有点吓人？确实。 Outcomes 和 Multi-Agent 解决了怎么管好一群 AI的问题 AI 行业的马太效应会加剧—Anthropic 和 OpenAI 的估值都在狂飙，中小玩家越来越难追上 需要关注安全边界—AI 自我改进的能力越强 写在最后 从 ChatGPT 发布到现在不到三年半，AI 已经从能对话进化到能干活，现在又到了能自我进化的阶段。Dreaming 不是终点，它只是开始。
36911编辑于 2026-05-15 - 来自专栏常用算法专栏
Hermes Agent 如何让 OpenClaw 技能自我进化？
以下是HermesAgent如何让技能实现“自我进化”的详细解析：核心机制：闭环学习循环(Closed-LoopLearningCycle)HermesAgent的整个工作流程围绕一个强大的闭环展开，这个循环将一次性的任务执行转化为永久性的能力资产 4.能力沉淀与复用(Distill&Reuse)新生成的Skill会被无缝地集成到Hermes的个人技能库中。 与OpenClaw手动编排的本质区别维度OpenClaw(手动编排)HermesAgent(自我进化)触发条件开发者预见到需求，主动编写。在成功解决一个新问题后，自动触发。创造主体人类开发者。 叠加进化能力：这意味着OpenClaw用户可以在保留所有既有投资的同时，立即获得Hermes的自进化能力。 总结HermesAgent的“自我进化”机制，本质上是将“解决问题”的过程与“创造能力”的过程合二为一。它不再是一个被动等待指令的执行者，而是一个主动的学习者和创造者。
97010编辑于 2026-04-14 Agent自我进化的未来，速度是唯一壁垒
01 Agent自我进化重构商业模式Agent定义始于2023年，Planning、Memory、Tools、Action成为标准框架。但今天，这四个模块发生了根本变化。 在Agent时代，企业购买的是Agent持续进化能力，为此支付对应的token费用。过去，token是调用成本，未来，token是Agent进化的基础资源。 02 平权之下，Agent厂商竞争比拼速度在Agent自我进化的未来，模型、Coding、流程、Knowhow等诸多壁垒都将由于平权而消弭。 唯一可以形成持续竞争力，只有进化的速度。谁能够更快形成反馈闭环，谁才能形成长期优势。进化速度的背后，则是交付能力、组织学习能力，以及长期服务能力等。同时，这会进一步推动整个企业服务的产业重构。 03 Agent最终重构的是组织本身Agent自我进化最终传导至企业甲方，改变企业组织。过去，人是组织主体，软件只是工具。但今天，Agent代表的硅基员工已经成为组织成员。
12810编辑于 2026-05-27认知维度解剖和重构-一份自我进化的手稿
今天，我将结合个人的历史思考和实践经验，系统性地拆解如何快速提高自身的认知维度，为您后续的自我进化提供一份可执行的“解剖图”。 只有具备了元认知能力，我们才能跳出自我，以第三视角审视自己的思考路径，从而实现自我纠错和自我进化。 七、 突破认知障碍：舒适区的爆破与自我革命 提升认知维度，本质上是一场针对自我的革命，必然伴随着痛苦。最大的敌人就是我们的“认知舒适区”。 只有不断地自我否定、自我重塑，我们的认知系统才能保持开放性和进化能力，最终达到“手中无剑，心中有剑”的专家直觉境界。
36310编辑于 2026-01-27- 来自专栏编程教程
代理IP与AI自我进化：探索未来智能的新边界
近年来，代理IP技术的引入为AI的自我进化提供了新的契机，这一技术不仅解决了AI在数据获取上的难题，还为其探索未来智能的新边界铺平了道路。 三、代理IP在AI自我进化中的应用案例 为了更好地理解代理IP在AI自我进化中的应用，以下是一个基于Python的实例，展示如何使用代理IP进行网络数据抓取，并用于AI模型的训练。 1. 四、代理IP在AI自我进化中的潜在价值 通过上述案例，我们可以看到代理IP在AI自我进化中的潜在价值： 扩大数据获取范围：使用代理IP，AI可以访问到更多来源和类型的数据，从而丰富其学习内容和深度。 五、结论 代理IP技术为AI的自我进化提供了新的契机。通过解决数据获取上的难题，代理IP使得AI能够访问到更多、更优质的数据资源，从而加速其学习和进化过程。 总之，代理IP与AI的自我进化之间存在着密切的联系和互动。通过合理利用代理IP技术，我们可以为AI的发展提供更有力的支持，探索未来智能的新边界。
27810编辑于 2025-08-28 - 来自专栏知识分享
达尔文-哥德尔机（DGM）：AI自我进化的“永动机”？
如果说GPT-4让AI学会写代码，那达尔文-哥德尔机（DGM）直接让AI学会了“改代码”——而且改得比人类还狠。 每次进化时，它会从档案库中随机采样，生成新的变体。这种开放式探索避免了陷入局部最优解，就像生物进化中的基因突变一样。哥德尔的贡献是“自我证明”。 但从长期来看，DGM确实为AI的自我进化打开了一扇门。如果AI能够持续自我改进，那么它可能会在更多领域超越人类。比如：科学研究：AI可以自动设计实验、分析数据，甚至提出新的科学假设。 结语：AI的“进化论”才刚刚开始达尔文-哥德尔机（DGM）的出现，标志着AI进入了一个全新的阶段——自我进化。它让我们看到了AI的无限潜力，也让我们意识到，AI的进化可能比我们想象的要快得多。 未来，AI或许真的会像生物进化一样，沿着一条开放式的路径不断自我优化。而我们人类，则需要在这个过程中扮演好“引导者”的角色，确保AI的进化方向是安全、可控、有益的。
1K20编辑于 2025-06-04 - 来自专栏机器之心
推动大模型自我进化，北理工推出「流星雨计划」
大模型自我进化研究之所以重要，正是源于该思想，并且更倾向于探究大模型自身能力的深度挖掘和扩展。基于这一趋势，北京理工大学 DIRECT LAB 正式启动了「大模型自我进化」的流星雨研究计划。 ，通过借助通用大模型的指导，进一步迭代训练学习，赋予模型自我评判的能力； 第三阶段：自我提升训练，通过自我批判完成自我进化。 他们参考 StaR [1] 迭代式训练的方法，让模型首先对领域问题进行作答，并由 GPT-4 给予答案反馈。 第三阶段：自我提升训练 作者希望模型在最终的领域能力进化过程中能够摆脱对强模型的依赖，实现完全的领域能力自我进化。因此，在模型具有完成自我批判的能力后，他们尝试让模型进行自我进化。 在准确性、完整性、相关性、连贯性和可靠性方面，LLaMA3-8B-Instruct 和 Qwen2-7B-Instruct 取得了性能的提升（评估方法：通过 GPT-4 筛选进化前和进化后答案的 win
36510编辑于 2025-02-14 Hermes Agent深度技术分析：Agent 如何从经验中自我进化
下面这张图展示了一个Skill从"诞生"到"被使用并自我改进"的完整数据流：让我用一句话概括这个系统的本质：Skills系统让AIAgent像人类专家一样积累经验——把成功的做法写成SOP，在使用中持续修订 validatecategory(category)#关卡3:Frontmatter验证—必须有YAML头部，包含name和descriptionerr=validatefrontmatter(content)#关卡4: VerifyNode.jsversionmatches.nvmrcorenginesfield3.Runvercel--prodwithenvironmentvariablesconfigured4.
1.2K50编辑于 2026-04-14- 来自专栏猿人工厂
猿进化系列4——超速进化，一发入魂
我们再看下面这个代码： int b[] = {1,2,3,4,5}; 我们也可以直接定义一个数组，使用大括号初始化数组，直接将数字1,2,3,4,5存放在了数组b中。 划重点！！！ 数组里的数据类型，不仅仅是int噢，它可以是任意类型的，比如 String strs[]={"1","2","3","4","5"}; 就是字符串类型的数组，长度是5！ 存放了"1","2","3","4","5"共5个字符串！ 悄悄的告诉你，以后你会慢慢发现，数组里存放的其实是薛定谔的猫！ 数组的访问 我们已经学会了数组的声明和创建，但是我们怎样才能使用数组呢？ 比如int a={1,2,3,4,5}那边反转后就是{5，4，3，2，1} ? 代码可以给你，好好的看看，但是想要使用嘛，还是自己敲代码吧。 小思考： 思考下还有没有其他实现方式？
77920发布于 2020-07-28 多模态数据与模型协同进化的自我推理框架
现有自改进模型虽能迭代优化，但仍面临两大挑战：（1）视觉与文本数据分别增强导致复杂度不匹配（如过于简化的图表配冗余文本）；（2）数据与模型进化分离造成任务难度与模型能力失配。 方法提出C2-Evo自动闭环自改进框架，通过双循环机制协同进化训练数据与模型能力：跨模态数据进化循环：基于初始数据集生成复杂多模态问题，结合结构化文本子问题与迭代生成的几何图表数据-模型进化循环：根据基础模型表现自适应选择生成问题
27710编辑于 2025-09-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号