艾略特 (@elliotchen100)
@elliotchen100
0 正在关注 0 粉丝
又来一篇论文。
这次我也有幸列在作者名单里。贡献边界得说清楚：真正把研究、工程和实验做出来的，都是算法同事。
我做的很少，更多是从产品和 Agent 生态角度参与了一些讨论，提供了一点问题定义和应用反馈，甚是荣幸。🫡
这篇论文研究的问题很实际：
网络上已经有几十万个 SKILL.md。把更多 skills 塞给 Agent，它就会自动变强吗？
团队从约 82.1 万个公开技能文件中，经过结构筛选、去重，以及质量、安全和许可检查，整理出 96,401 个技能。然后通过 retrieval、rerank 和 LLM selector，为每个任务选择 0–2 个真正相关的技能。
在三个 benchmark、两种 agent harness 和两种开源 backbone 下，SkillCorpus 都带来了正向提升，SkillsBench 上的汇总提升达到 +7.5 个百分点。
结论不是「skill 越多越好」，而是要在正确的任务里找到正确的 skill，再让 harness 真正把它执行出来。
显示更多
介绍一下我们这个 Benchmark，它专门用来测试 Agent 的自进化能力，非常关键。
今年我们一直在挖掘 self-improving / self-evolving 这个方向，因为我们发现 Agent self-improving 在无数场景下都有实际价值。
在现在爆火的 Loop 架构中，memory-first 的自进化更是最核心的一环，可能没有之一。
正是为了把这块做扎实，我们才专门打造了这个 Benchmark。
这个 Benchmark 也是接下来我们发布 Raven 🐦⬛ 的重要一环。
显示更多
Everyone is talking about self-improving agents. The harder question is how to measure whether an agent is actually getting better.
That is why we built EvoAgentBench: a benchmark for agent self-evolution.
It tests whether agents can learn from past trajectories, extract reusable skills/memory, and improve on held-out tasks across 5 domains:
- information retrieval
- reasoning and problem decomposition
- software engineering
- code implementation
- knowledge work
917 train tasks. 288 test tasks.
In the included Omni-MATH run, skill injection moved 27B from 21% to 65%, and 397B from 25% to 66%.
EvoAgentBench has 2K+ all-time downloads on Hugging Face. The benchmark card, task splits, evaluation files, and citation are open there.
Self-improving agents need more than vibes. They need measurement.
显示更多
老板急得亲自发帖招人了，伙计们可以接着投递哈
1. 技术型产品经理，Agent 产品经理，C 端 B 端都看看
2. Agent 开发工程师，解决方案架构师，前后端，全栈
3. 运营，增长，开发者关系都需要
现在也考虑招兼职和各种实习
显示更多
EverMind is Hiring: Technical PM (Agent OS & Memory)
Based in Silicon Valley | Shanghai | Beijing
What we need:
Tech + Product: Deeply understand Agent execution mechanics under the hood (OpenClaw/Hermes Agent is a +).
AI-Native: Fluent in Vibe Coding. You can spin up working demos yourself to validate concepts.
LTM Focus: Intensely driven to build an Agent OS with true Long-Term Memory.
Flexible setup: Open to part-time/intern as a trial.
DM me to chat!
显示更多
吹一下 Comet
今天惊喜发现加了 search tab
搜索标签页功能
快捷键是 cmd +shift + A，真幸福啊，
厂商们都遵循快捷键的最佳实践，不搞个性
如果你和我一样，喜欢多开 tabs，这个非常实用
快快用
@OipsAnthony
显示更多
