SAGA
一种基于经验落地的自我进化智能体框架，通过三层知识抽象（情景描述、可复用流程、原则）将交互轨迹提炼为可复用知识，无需修改模型参数即可实现智能体持续自我进化
Timeline (last 90 days)
SAGA为闭源大模型场景下的免微调智能体进化提供了一条可行路径
SAGA在外部记忆层面做知识蒸馏，用抽象换取精度，代价是引入对LLM归纳能力的依赖
SAGA的当前验证主要集中在相对结构化的环境，在更开放复杂的真实场景下表现仍有待观察
SAGA（Self-evolving Agents through Experience-Grounded Abstraction）是一个实现经验驱动知识抽象与利用的自我进化智能体框架
SAGA将交互轨迹逐层提炼为三种层级知识：情景描述、可复用流程、带明确适用条件的原则
SAGA中抽象出的每一条原则都保留与真实交互执行证据的链接，可追溯其依据
SAGA面对新任务时会检索相关原则并将其实例化为任务特定的指导，通过纠正反馈和重采样优化候选动作
SAGA构成了执行—抽象反馈循环（execution-abstraction feedback loop），全程无需修改模型参数
SAGA的三层知识架构对应认知科学中的情景记忆、程序记忆和语义记忆
研究团队在ScienceWorld和ALFWorld两个交互式环境基准上验证了SAGA，任务完成表现取得提升
4 more timeline events
All Facts (14)
SAGA为闭源大模型场景下的免微调智能体进化提供了一条可行路径
50%UnverifiedSAGA在外部记忆层面做知识蒸馏，用抽象换取精度，代价是引入对LLM归纳能力的依赖
50%UnverifiedSAGA的当前验证主要集中在相对结构化的环境，在更开放复杂的真实场景下表现仍有待观察
50%UnverifiedSAGA（Self-evolving Agents through Experience-Grounded Abstraction）是一个实现经验驱动知识抽象与利用的自我进化智能体框架
50%UnverifiedSAGA将交互轨迹逐层提炼为三种层级知识：情景描述、可复用流程、带明确适用条件的原则
50%UnverifiedSAGA中抽象出的每一条原则都保留与真实交互执行证据的链接，可追溯其依据
50%UnverifiedSAGA面对新任务时会检索相关原则并将其实例化为任务特定的指导，通过纠正反馈和重采样优化候选动作
50%UnverifiedSAGA构成了执行—抽象反馈循环（execution-abstraction feedback loop），全程无需修改模型参数
50%UnverifiedSAGA的三层知识架构对应认知科学中的情景记忆、程序记忆和语义记忆
50%Unverified研究团队在ScienceWorld和ALFWorld两个交互式环境基准上验证了SAGA，任务完成表现取得提升
50%Unverified消融研究揭示上下文实例化是关键因素：抽象原则必须结合当前任务语境才能发挥作用，否则可能误导决策
50%Unverified消融研究揭示动作调节是关键因素：通过对候选动作进行纠正与重采样才能将原则级知识落到执行层面
50%UnverifiedSAGA 通过引入近端算子（proximal operator）技巧支持 L1 正则，同时保持方差缩减性质
50%UnverifiedSAG 和 SAGA 属于方差缩减类随机优化方法，维护每个样本梯度的历史记录，在每步 O(1) 计算量下实现线性收敛速率
50%