GRAFT用执行证据引导智能体进化,测试准确率达82%

arXiv 于 2026 年 11 月 19 日发布新论文 GRAFT,提出用“执行证据”而非只看总分来引导大模型智能体架构的进化搜索,在六个评测设置中平均测试准确率达到 82.0%。

一句话看懂:arXiv 于 2026 年 11 月 19 日发布新论文 GRAFT,提出用“执行证据”而非只看总分来引导大模型智能体架构的进化搜索,在六个评测设置中平均测试准确率达到 82.0%。

事件核心:发生了什么

根据论文摘要,GRAFT 全称“Execution Guided Genetic Recombination for Agent Design”,由研究团队提出,针对的是自动化智能体设计这一方向:让语言模型通过交叉重组机制,进化出可执行、性能更好的智能体架构,覆盖任务分解、多模型协调与结果验证等环节。

问题在于,以往这类进化搜索通常只依赖聚合适应度分数做选择,分数背后的单次成功与失败被隐藏了。GRAFT 的做法是:选择与存活仍看聚合分数,但语义交叉和配套变异改用父代各自的执行证据来引导。其反馈机制复用了适应度评估中已产生的有限成功与失败样本,不向模型提供参考答案,也不需要额外执行任务。摘要称,在使用开源权重优化器与执行模型的六个推理与编程设置中,GRAFT 平均测试准确率为 82.0%,比最强基线高 9.8 个百分点;控制消融显示,在初始化、搜索规则、修复策略和评估预算不变时,加入执行证据仍能提升测试准确率。

为什么重要

智能体设计正从手工搭建走向自动搜索,而搜索信号的质量直接决定结果。GRAFT 的思路是把“哪一步成功、哪一步失败”这种实例级信息引入进化过程,相当于给交叉操作提供更细的反馈,而不是让模型在总分黑箱上盲目试错。对行业而言,这类方法如果被验证可复现,可能降低智能体架构调优对人工经验的依赖,也让开源模型在智能体任务上有更多工程优化空间。不过需要说明,以上结论仅来自论文摘要,尚未核验全文实验,也不能视为已同行评审的定论。

对用户/开发者/创作者的影响

对开发者来说,GRAFT 提示了一个可借鉴的工程模式:在搭建或评测 AI 应用时,保留每次运行的成功/失败轨迹,可能比只记录一个汇总分数更有价值,因为这些轨迹可以直接反哺后续的架构搜索与提示优化。对使用开源模型做智能体产品的团队,这类自动化设计方法可能减少手工调参成本;对普通用户,短期影响有限,更多是间接体现在智能体工具的稳定性和成功率上。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是论文全文是否公开更详细的实验配置与复现条件;二是该方法在闭源大模型或更大规模任务上的表现是否仍成立;三是是否有开源框架或智能体平台采纳“执行证据引导搜索”的思路并落地为工具链功能。

来源:arXiv cs.AI

celebrityanime
celebrityanime
文章: 36045

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注