Des chercheurs de l'Université Beihang ont présenté Mem2Evolve, un nouveau framework pour les agents IA auto-évolutifs, accepté à l'ACL 2026. L'innovation clé réside dans le couplage de deux processus : l'expansion des capacités et la distillation d'expérience. Contrairement aux méthodes traditionnelles qui les traitent séparément, Mem2Evolve les intègre pour atteindre une évolution des agents plus stable et efficace. Ce paradigme co-évolutif permet aux agents d'améliorer continuellement leurs compétences tout en consolidant les expériences apprises, répondant aux limitations clés des systèmes auto-évolutifs actuels. Le framework a des implications significatives pour la construction d'agents autonomes capables de s'adapter à de nouvelles tâches et environnements sans réentraînement extensif. Pour les développeurs et chercheurs travaillant sur des systèmes basés sur des agents, Mem2Evolve offre une direction prometteuse pour créer des agents IA plus résilients et capables. L'approche pourrait accélérer les progrès dans des domaines comme le raisonnement automatisé, l'utilisation d'outils et la résolution de problèmes complexes.
Mem2Evolve, un nouveau framework de l'Université Beihang, introduit une approche co-évolutive pour les agents auto-évolutifs en couplant l'expansion des capacités avec la distillation d'expérience. Cela répond à l'instabilité et à l'inefficacité des méthodes actuelles d'évolution des agents. Ce travail, accepté à l'ACL 2026, représente une étape significative vers des agents autonomes plus robustes et efficaces.