待验证50% 置信事实精确时间
论文报告了MLExpert在NatureBench Lite、智能体脚手架优化和算法优化上的提升，表明模型学到的是一种可迁移的优化能力。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/16
首次发现
有效期至：2027/1/14
来源
涉及实体
相关事实
待验证本项目通过Step Functions实现的自动重训练机制达到MLOps成熟度Level 1的水平65% 相似待验证实验发现当评估环境发生偏移时，LLM智能体的适应能力明显优于强化学习智能体64% 相似待验证权重归一化技术将权重向量分解为方向与模长两个独立分量分别优化，可显著改善训练稳定性62% 相似待验证Warp的自我改进智能体并非模型本身持续训练，而是通过从过往交互中学习经验、优化工作流程实现62% 相似待验证利用进步速度（learning progress）作为课程推进代理指标的理论依据来自内在动机（intrinsic motivation）研究：智能体在能够快速获得进步的难度区间内探索最为高效61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1041830API
curl https://kongchang.com/api/v1/knowledge/claims/1041830MCP
get_claim(id=1041830)