谷歌研究人员推出GUARD,实现稳定的自我改进智能体框架

来自谷歌云的研究人员推出了GUARD,这是一个无需评分器的闭环框架,允许自主AI智能体在保持基础模型冻结的情况下,自行编辑其提示词、技能、工具规则和记忆。GUARD将每个任务分解为执行前自检,并使用方向性遗憾仅在编辑收益超过其破坏的行为时才接受编辑。在43个托管SDK任务上,GUARD达到了80.80%的准确率,比初始框架高出8.89个百分点,并且每个任务使用的token减少了54.5%。
事件版本 1.
Key insights
遗憾引导的编辑
GUARD将每个任务拆分为执行前自检,并在每一轮根据这些自检对轨迹进行评分。它固定智能体已掌握的规则,并优先排列新破坏的行为,使回归问题可见。
Soft-HURT门控
并行候选编辑通过无评论家的组相对适应度进行比较,Soft-HURT门控仅当收益超过其门控缓冲区上的回归时才提升编辑。在同等预算下,并行池化两个候选比顺序搜索减少了64%的被拒绝门控轮次。
无污染的记忆
在程序性记忆任务上,GUARD以83.0%的任务准确率和90.1%的更新正确率领先,程序性污染为0.000。像Meta-Harness这样的激进重写器达到了相似的更新分数,但污染增加了两倍。
托管SDK结果
在43个测试任务上,GUARD达到了80.80%的准确率,比初始框架高出8.89个百分点(配对p = 0.008),比Meta-Harness高出6.28个百分点,同时每个任务使用的token减少了54.5%。在测试时,一个冻结的框架单次运行即可。