首页/新闻资讯/正文详情

不改模型,分数从43%涨到93%

发布时间:2026/9/26 11:14:17 来源:云帆数科 栏目:资讯中心
不改模型,分数从43%涨到93%
同一个模型换四个壳训练收益差37倍。于是问题变成既然车架这么关键它由谁来改、怎么持续变好车架不是一件东西是三件工程车架不是一个提示词模板它至少是三件彼此独立的工程。一、意图管理。长程任务最隐蔽的失败不是“记不住”是“记错了同类”用错了就是错误答案。STITCHACL 2026给每步操作加上三个标签当前目标、动作类型、关键实体。效果随轨迹变长而放大137k tokens 时 11.6%408k时35.6%而去掉“目标”这一个标签长轨迹从 0.592掉到0.213跌了64%。二、记忆管理。MemRL把记忆记成“意图—经验—效用”三组按环境的真实反馈更新每条记忆的效用值全程不改一个模型权重。平均成功率0.798ALFWorld上达到了0.981Q值与真实成功率相关系数0.861。三轨迹优化。AHE把几百万Token的原始轨迹蒸馏成可分层下钻的证据语料让进化智能体把轨迹当文件夹来翻定位根因后只改对应模块。意图、记忆、轨迹三件事情合起来才构成一条完整的进化路径。RSI的两个层次RSI递归自我迭代可以分为两层第一层从产出物学习。跑完一轮拿结果优化下一轮的提示词、工具配置、工作流。像做完题对答案。第二层从机制本身学习。不是改产出是改“怎么产出”的方式——调结构、调策略、调记忆的组织方式。像一个人从“做完事回头看”长成“建立一套认知体系持续调整自己的思维方式”。两条路一个改壳一个改芯第一条路模型不动只改壳DarwinX把模型完全冻结进化压力全放在脚手架上用群体自然选择让变异在任务上竞争。关键机制叫“保留并扩展契约”一个变异想活下来必须新解决原来搞不定的任务同时不能把原来能搞定的搞砸。WebArena上从43.5%上升到93.0%。因为模型冻结所有增益100%可归因于Harness脚手架。第二条路壳不动改芯EvoHarness-RL反着来脚手架结构不变训练模型学会更好地使用这个壳读环境、写进度、翻记忆、记教训四件事共享。于是出现了一个现象他们叫“退火”训练刚开始每步都频繁调脚手架随着训练推进调用频率快速下降最后稳定在大约每回合1次。不是不用了是学会了按需用。跟学开车一个道理起初每个动作都要默念口诀三年后全内化了不默念但该做的都做了。效果就是同一个模型在ALFWorld上从47.9%提高至96.9%。“退火”揭示了一个深层规律有效的外部辅助最终会被内化。合流让一个智能体决定走哪条路两条路各走各的直到SIA把它们拧到一起。三个智能体一个生成脚手架一个拿它跑任务第三个读上一轮的轨迹与失败模式判断这一轮该改脚手架还是改模型权重。当失败源于结构问题解析逻辑不对、重试策略太蠢、工具分发混乱就改壳当失败源于模型缺领域直觉怎么改提示词都教不会的东西就改权重。在三个领域一起进行测试得到了以下结果法律指控分类191 类罪名预测提升25%GPU kernel 优化TritonH100快了12.4%单细胞RNA去噪mse_norm增加20.4%。脚手架更新教会了模型怎么搜索、怎么行动权重更新建立领域直觉是那种任何提示词都给不了的东西。两者不互相替代形成了互补。天云数据在这条路上的位置天云数据采取两条腿走路的方式安心走的是改芯。把现场经验通过强化学习内化成模型直觉例如消防安全大模型的隐患识别准确率达到了97.56%帮手走的是改壳。持续优化意图、记忆与轨迹的脚手架。两条腿联合实现进化Harness脚手架发现的经验内化进模型模型变强后又能驾驭更强的脚手架。所以需要把脚手架当成独立的工程对象来建设与评估有版本号、有回归测试、有可回滚的基线而不是挂在模型身上的一组提示词。这不是说模型不重要恰恰相反只有两边各自变强、又说清每一分提升是谁的功劳这条路才走得下去。DarwinX是外进化壳自己变强EvoHarness-RL是内化模型把壳的用法吃进去SIA是合流壳和芯一起变还多了个“该走哪边”的判断者。外化内化再外化再内化。每一轮循环壳和芯都变强一点。边界不是消失了是变成了一条双向高速公路。发动机和车架一起进化才能跑赢比赛。AI也一样。

相关推荐

普通LFP vs 激光孔道:共聚焦显微镜量化异质性差异
普通LFP vs 激光孔道:共聚焦显微镜量化异质性差异

锂离子电池要兼顾高能量密度和快充,极片设计被拉向两边。做厚省下集流体和隔膜面积,代价是Li⁺路径拉长;倍率一提,传质限制主导反应,SoC就不一致了。用锂电极片共聚焦显微镜比较普通LFP电极与激光结构化电极&#xff1… · 2026/9/26 11:14:17

软件无线电收发实验开篇:从 HackRF 到璞致 P201Pro,搭建高精度软件无线电收发平台
软件无线电收发实验开篇:从 HackRF 到璞致 P201Pro,搭建高精度软件无线电收发平台

前言此前,我们分享了AD9361的选型逻辑,从产品本身定位来说,璞致电子 PZSDR P201Pro,是为通信算法验证而生的工业级软件无线电平台。P201Pro基于AD9361芯片,具备12位采样、56MHz瞬时带宽、双通道全双工及0.5ppm高精度VC… · 2026/9/26 11:14:05

戴森球计划蓝图库FactoryBluePrints:从入门到精通的完整使用指南
戴森球计划蓝图库FactoryBluePrints:从入门到精通的完整使用指南

1. 为什么一个蓝图库能决定你在戴森球计划里的游戏体验刚接触《戴森球计划》的玩家通常会经历三个阶段:第一阶段是手忙脚乱地拉传送带,第二阶段是咬着牙把产线从母星铺到隔壁行星,第三阶段则是面对满屏的“缺料”“堵塞”“电力不足”发呆。我… · 2026/9/26 11:14:05

开源复刻也疯狂:3小时速成的OpenManus如何撼动Manus神话?TaoToken统一Key接入实战
开源复刻也疯狂:3小时速成的OpenManus如何撼动Manus神话?TaoToken统一Key接入实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 11:48:49

好消息,在 Visual Studio 里用 TaoToken 统一 Key 免费接入 GitHub Copilot 了!
好消息,在 Visual Studio 里用 TaoToken 统一 Key 免费接入 GitHub Copilot 了!

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 11:48:49

Spring 通过 factory-method 实例化 Bean 详解
Spring 通过 factory-method 实例化 Bean 详解

Spring 通过 factory-method 实例化 Bean 详解 一、为什么需要 factory-method? 默认情况下,Spring 通过反射调用类的无参构造方法来创建 Bean。但有些类不适合这样做: 单例类:构造方法私有,只能通过静态方法获取实例&… · 2026/9/26 11:48:43

【第47期】Python 复杂度分析:O(n) 和 O(n²) 在真实数据量下到底差多少
【第47期】Python 复杂度分析:O(n) 和 O(n²) 在真实数据量下到底差多少

【第47期】Python 复杂度分析:O(n) 和 O(n) 在真实数据量下到底差多少 CSDN 完整教程 系列:《从小白到 AI 大模型开发工程师的进阶之路》 技术点:AI-0201 复杂度分析 主人公:小蓝伞 前置:AI-0108 循环 本期产出&#… · 2026/9/26 11:48:37

制造业 AI 项目,90% 踩坑根源不在技术,合米科技AI SOP为什么会得到客户青睐?
制造业 AI 项目,90% 踩坑根源不在技术,合米科技AI SOP为什么会得到客户青睐?

摘要多数工业 AI 项目落地失败,瓶颈往往并非算法技术,而是项目规划、现场适配、持续服务与一线落地的管理陷阱。合米科技结合大量项目实践,总结出四大行业常见坑点。AI SOP 坚持试点先行、轻量化部署、持续迭代优化,兼顾管理管控需… · 2026/9/26 11:48:37

函数断点:VS Code 里最被低估的调试神器
函数断点:VS Code 里最被低估的调试神器

如果你还在用 print() 大法调试代码,那你可能错过了一个更优雅的工具。 假设你有这样一个 Python 文件: def add(a, b):return a bdef main():print("hello world")print(add(1, 2))print("do something")r add(1, 2)print(r)if _… · 2026/9/26 11:48:37

数据库课后习题答案别硬背:当测试用例集刷,效率翻倍
数据库课后习题答案别硬背:当测试用例集刷,效率翻倍

简介:万常选版《数据库原理与设计》课后习题答案资源,覆盖第2至6章及第9章,适合正在学习关系模型、数据库建模、关系数据理论与模式求精的本科生、自学者作为复习与自测材料。压缩包共7个文件,含3个doc参考答案、2个sql示例脚本、… · 2026/9/26 0:00:21

OpenClaw 替代品?Hermes Agent 踩坑实录:macOS 飞书接入 TaoToken 配置
OpenClaw 替代品?Hermes Agent 踩坑实录:macOS 飞书接入 TaoToken 配置

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 0:00:40

向下兼容与向上兼容:接口设计中的兼容性策略与工程实践
向下兼容与向上兼容:接口设计中的兼容性策略与工程实践

一次版本升级事故,是很多团队绕不过去的坎。线上环境里,服务端明明已经上线了新版接口,老的移动端还在照着旧文档传参数。请求一到网关,校验直接拒绝,用户操作失败,客服群炸了锅,开发群里开始互… · 2026/9/26 0:00:46

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码