Los agentes auto-evolutivos se han convertido en un punto focal de la investigación en IA, pero la mayoría de los enfoques actuales equiparan la evolución con el mero almacenamiento de memoria. OPD-Evolver desafía esta suposición al proponer un marco de co-evolución lenta-rápida donde los agentes aprenden cómo evolucionar a partir de sus experiencias en lugar de solo acumularlas. El bucle rápido implica que los agentes interactúen con una jerarquía de memoria de cuatro niveles durante la prueba, mientras que el bucle lento destila estas interacciones en estrategias de evolución mejoradas. Este enfoque de destilación on-policy asegura que los agentes refinen continuamente sus procesos de aprendizaje basados en retroalimentación en tiempo real. La colaboración entre LV-NUS Lab, la Universidad de Fudan, la Universidad de Pekín y ByteDance aporta experiencia diversa en aprendizaje por refuerzo y diseño de agentes. Los primeros resultados sugieren mejoras significativas en la adaptabilidad y las capacidades de resolución de problemas de los agentes en varios benchmarks. Para los desarrolladores que trabajan en agentes autónomos, este marco ofrece una nueva perspectiva sobre cómo diseñar sistemas que realmente mejoren con el tiempo. El documento está disponible en arXiv y representa una contribución significativa al creciente campo de la auto-mejora de agentes.
OPD-Evolver introduce un novedoso marco de co-evolución lenta-rápida para agentes auto-evolutivos, abordando la limitación de que almacenar experiencias no es lo mismo que aprender a evolucionar a partir de ellas. El enfoque utiliza destilación on-policy con una jerarquía de memoria de cuatro niveles para mejorar las capacidades de los agentes. Esta investigación del LV-NUS Lab, Fudan, PKU y ByteDance representa un paso significativo en las metodologías de auto-mejora de agentes.