elvis(@omarsar0)
Impressive way to reuse agent trajectories to evolve agent harnesses. Given how good LLM agents are...
8.5内容质量

TL;DR · AI 摘要
Evolver框架通过重用代理轨迹提升任务成功率并减少token使用,实验显示成功率提升4.37%,token使用减少24.24%。
核心要点
- Evolver框架使任务成功率从83.13%提升至87.50%
- Claude Code和Codex在复用知识时token消耗降低24.24%
- Gene资产存储机制实现知识复用无需修改模型参数
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- Evolver框架
- 核心机制
- Gene资产存储
- 实验结果
- 成功率提升4.37%
- token消耗降低24.24%
- 应用场景
- Terminal-Bench
- SWE-bench
金句 / Highlights
值得收藏与分享的关键句。
Evolver使320个任务对的成功率从83.13%提升至87.50%,token消耗降低24.24%
Gene资产存储机制实现知识复用而无需修改模型参数
Claude Code和Codex在复用知识时解决任务效率提升17.57%
#LLM#Evolver#Agent Harness#Terminal-Bench#SWE-bench
打开原文elvis on X: "令人印象深刻的利用代理轨迹来优化代理框架的方法。鉴于LLM代理在上下文感知方面的能力不断提升,这值得关注。这一想法并非全新,但正在成为框架工程中的重要模式:使代理框架能够复用积累的知识,而无需修改模型参数。他们提出了Evolver框架,用于将短暂的代理探索转化为持久、可复用的程序化体验。他们发现,当Claude Code和Codex能够复用早期运行学习到的内容时,能解决更多任务且消耗更少token,且无需对模型进行任何修改。该框架将这些程序化知识存储为结构化的"Gene"资产。Evolver在探索过程中收集这些资产,在任务开始时检索相关资产,并根据反馈进行修订。在针对Terminal-Bench 2.1、SWE-bench Multilingual、SWE-rebench和GAIA四个基准测试的320组配对运行的诊断集上,任务成功率从83.13%提升至87.50%。记录的token使用量下降了24.24%。在使用Evolver和未使用Evolver均能解决的265个任务中,token使用量仍下降了17.57%。代理消耗更少的token即可达到相同结果。
arxiv.org/abs/2611.07595
Chat with Paper:
academy.dair.ai/papers/evolver…
4:55 PM · Nov 8, 2026
·
5,512
Views
59
9
78
55