引用westurner · 2026-08
“There was this from DeepMind a few weeks ago about online rewriting of agent prompt materials:”
补充 DeepMind 前几周关于在线改写智能体提示材料的工作
让具身智能体在单次运行中自行改写提示、技能与记忆
论文先报告 Gemini Plays Pokemon(GPP)实验:在人工迭代改进 harness 下,GPP 成为首个通关 Pokemon Blue、Yellow Legacy 困难模式和 Crystal 且无败绩的 AI 系统。在此基础上提出 Continual Harness,完全去掉人工环节:从最小环境接口出发,智能体交替行动,并改进自己的提示、子智能体、技能和记忆,可在单次运行内在线适应而无需重置。在 Pokemon Red 与 Emerald 上,它相对极简基线明显降低了按键成本,并追回了与手工专家 harness 之间的大部分差距;作者还加入在线过程奖励协同学习,更新开源模型。
评论者把它描述为 DeepMind 前几周发布的、关于在线改写智能体提示材料的工作。
“There was this from DeepMind a few weeks ago about online rewriting of agent prompt materials:”