阿里通义实验室开源了名为AgentEvolver的智能体自进化系统，它通过让模型学会自我提问、导航和归因，实现了无需人工干预的自主能力演化。该系统能显著提升模型在复杂任务中的表现，并为解决AI训练中的数据依赖和高成本问题提供了新方案。
智能速览
阿里通义实验室开源了智能体自进化系统AgentEvolver。
该系统能让14B模型性能近乎翻倍，媲美更大参数模型。
核心机制包括自我提问、自我导航与自我归因。
系统学习效率高，训练步数大幅减少，算力消耗低。
仅用合成数据训练，也具备强大的跨域泛化能力。
精华内容
智能体的进化不再依赖人工喂食数据，而是转向了更高级的自我反思与探索。AgentEvolver正是这一变革的产物，它赋予了AI独立学习和成长的能力。
性能飞跃
AgentEvolver在性能提升上表现惊人，它让模型的任务完成率实现了近乎翻倍的增长。以14B模型为例，其平均完成率从基线的29.8%大幅提升至57.6%，最佳尝试甚至达到了76.7%。
这种提升同样体现在7B等更小规模的模型上，证明了框架的普适性。更值得关注的是，经过该系统优化的14B模型，在特定任务上的表现已经超越了未经优化的32B乃至更大规模的模型，真正实现了“越级挑战”。
效率革命
除了效果拔群，AgentEvolver的学习效率也极高。实验显示，系统在达到基线模型90%的性能水平时，所需的训练步数大幅减少。在AppWorld任务中，训练步数减少了55.6%，在BFCL任务中则减少了66.7%。
这意味着用更少的时间和算力成本就能训练出更强的模型。此外，其自进化获得的能力具备极强的跨域泛化性，仅用合成数据训练的模型，在迁移到全新领域时性能衰减微乎其微，表明其掌握了通用的推理能力。
自我提问
面对新环境无任务可做的冷启动难题，AgentEvolver通过自我提问机制来破解。系统利用大语言模型的理解能力，结合在环境中感知到的特征，主动合成具有挑战性且逻辑合理的候选任务，从而自动构建训练课程。
这一过程有效打破了对外部数据的依赖，让智能体能够自我创造学习材料，解决了强化学习中环境适应性差的痛点。
自我导航
为避免在复杂环境中的盲目试错，系统引入了自我导航机制。该机制将历史上的成功轨迹和失败教训，抽象成结构化的文本经验。
当执行新任务时，智能体能检索相似的过往经验，利用上下文学习来指导当前决策，避免了从零开始探索。这赋予了智能体“举一反三”的能力，使其能主动避开已知的错误路径，显著提高了探索的成功率。
自我归因
针对长程任务中奖励信号稀疏的痛点，AgentEvolver设计了自我归因机制。系统引入了基于LLM的过程奖励模型，对轨迹中的每一个动作步骤进行细粒度的因果分析和打分。
它不再仅仅依赖最终结果来判断成败，而是将粗粒度的结果奖励转化为细粒度的过程监督信号。这种方式极大地提升了策略优化的样本效率，确保每一次尝试都能转化为有效的学习信号。
AgentEvolver为构建更强大、更自主的AI智能体提供了全新思路，显著降低了训练门槛。当模型学会自我反思和进化，我们离通用人工智能是否又近了一步？这无疑是值得期待的探索方向。
