Investigate-Consolidate-Exploit: A General Strategy for Inter-Task Agent Self-Evolution

本文介绍了一种名为Investigate-Consolidate-Exploit（ICE）的新策略，通过跨任务自我演化来增强AI智能体的适应性和灵活性。与现有的专注于任务内学习的方法不同，ICE促进了任务之间的知识转移，实现了真正的自我演化，类似于人类的经验学习。该策略动态调查规划和执行轨迹，将其巩固为简化的工作流和管道，并利用它们来改进任务执行。我们在XAgent框架上的实验表明，ICE的有效性，可以将API调用减少高达80％，并显着降低模型能力的需求。具体而言，当与GPT-3.5结合使用时，ICE的性能可以在各种代理任务中与原始的GPT-4相匹配。我们认为，这种自我演化方法代表了智能体设计的范式转变，有助于建立更强大的人工智能社区和生态系统，并向全面自主迈进了一步。

ICE: 一种增强AI代理适应性和灵活性的方法

通过任务间自我进化促进知识转移，提高任务执行效率

ICE策略动态调查计划和执行轨迹，将它们合并成简化的工作流和管道，并利用它们来改善任务执行。实验表明，ICE的有效性，结合GPT-3.5，ICE的性能与原始GPT-4相当。

最近的相关研究包括多任务学习和元学习。