从原子动作到标准操作程序：自进化LLM智能体的迭代工具优化
英文标题：From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents
近日，arXiv论文《从原子动作到标准操作程序》提出一种面向大语言模型（LLM）智能体的迭代工具优化方法，使原本细粒度的原子动作能够自动组合为可复用的标准操作程序（SOP）。当前主流Agent框架依赖静态原子工具集，难以适应动态环境和任务扩展，该研究通过让智能体从交互中自行归纳、优化并固化高效操作序列，实现了工具的自我进化。实验表明，基于SOP的自进化框架在多个复杂交互基准上成功率显著优于固定工具方案，且能降低工具调用错误率。这项工作为构建无需频繁人工干预、能够持续自主提升的AI Agent系统提供了重要技术路径。
2.6 KB
2.1 KB
461 B
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
该论文于2026年7月在arXiv上发布（arXiv:2607.07321v1），提出通过迭代工具优化实现LLM智能体自我进化的新框架。
摘要
工具利用让大语言模型（LLM）智能体能够与真实世界交互并完成复杂任务。然而，现有智能体框架主要依赖由细粒度原子动作（例如基本的文件I/O、API调用或浏览器操作）组成的静态工具集，难以随着环境变化和任务复杂度提升而自动扩展与改进。为解决这一局限，本文提出一种迭代工具优化方法，其核心思想是将大量细碎原子动作逐步抽象和组合为标准操作程序（SOP）。通过这些SOP，智能体可以从历史交互经验中自行总结高成功率的行为序列，并在后续任务中重用和继续优化它们，从而实现工具的自我进化。实验在多个需要长期规划与工具组合的环境中进行，结果显示相较于传统静态工具方案，自进化SOP框架的成功率大幅提升，且动作规划的准确性和效率均有明显改善。该方法为打造能够自主成长、持续适应新场景的下一代AI Agent系统提供了理论基础和实践方向。
BibTeX 格式引用
bibtex @article{anonymous2026atomic, author = {Anonymous Authors}, title = {From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents}, journal = {arXiv preprint arXiv:2607.07321}, year = {2026}, note = {arxiv:2607.07321v1} }
English / 原文
BibTeX formatted citation
×