「AI自進化」新進展：自主構建、優化Agent Skills
核心突破：EvoSkill 框架實現失敗驅動的技能優化
針對傳統AI智能體在任務執行中缺乏自我調整能力的侷限，來自Sentient與弗吉尼亞理工的研究團隊提出EvoSkill框架，是一個能透過分析失敗經驗，自動發現並優化Agent Skills的自我進化系統。實驗數據顯示，該系統在複雜任務環境中表現出顯著的學習與適應能力。
技能自進化機制：從經驗沉澱到遞歸演化
研究指出，新型Agent範式已突破傳統依賴預設技能或人工集成工具的限制，能夠自主「造環境」並進行技能演化。其流程包含：首先從多樣化交互軌跡中提取可重用的候選技能；接著透過結構化技能庫實現高效儲存與檢索；最後基於失敗經驗進行遞歸式進化，生成新技能或優化現有策略。
技術應用與未來方向
- 該技術已應用於多個AI Agent工程實戰場景，如自動化工具調用、任務規劃與長期決策。
- 研究團隊強調，真正的自進化不僅是技能更新，更涉及安全機制設計，例如自主化red-teaming與guardrail機制，以確保行為可控。
- 未來發展將聚焦於如何建立最小可行系統，並以可量化的指標衡量AI是否真正「變強」。
相關成果曾多次發表於NeurIPS等頂尖會議，顯示其在AI自主決策領域的重要地位。