Reglos把个人记忆智能体拆成两层：记忆随对话追加，框架由编码智能体改代码
个人记忆智能体Reglos把改进分成两个时间尺度：每个用户的记忆随对话在线追加，决定把哪些记忆交给模型的框架则离线由编码智能体改代码。框架补丁先由另一模型家族的评审筛掉针对基准的取巧，再由固定评估器在开发时未见的用户上验收。在Qwen3.8-27B写记忆、同一模型作答时，Reglos在PersonaMem-v2上达到61.3%，比最强对比系统高7.5个百分点。
智能体记忆不再照单全收：FGSE先做迁移、证伪与回归测试，再决定写入长期记忆
长期运行的LLM智能体常把每个回合总结出的经验直接写进记忆，但局部成功并不等于可复用、安全的知识。FGSE把每条候选经验写成带前置条件、行为改变、预期效果和验证器的结构化假设，先在临时状态里做目标迁移、证伪和归档回归三类探针测试，再决定提交、收窄或拒绝。在WebArena、AppWorld与τ-bench等验证器可用的基准上，以DeepSeek-V3.1为骨干的FGSE取得39.8的WebArena成功率、78.8的AppWorld平均完成度，并把证伪失败率、回归损伤和有害提交更新分别压到5.0%、1.3%和3.6%。
自我进化智能体给自己改提示词：Steward把风控核心锁在类型之外，板块回撤24.6%时组合只亏0.3%
自主投资智能体要能从结果中学习，又不能改写自己的风控规则。Steward把可改的提示词与不可触碰的不变核心分开：九个角色智能体共同决策，代码每晚给交易打分，季度反思器只提出类型化的提示词修改，由确定性闸门可逆地应用。在102个交易日、1632次模型调用的实盘模拟账户中，半导体板块回撤24.6%期间组合仅亏0.3%，注入的指令无一被采纳。
图像生成智能体不再只试错：失败经验经反事实复核后写入技能库，GenEval2 达 86.1
图像生成的智能体框架此前多为只读的生成—校验—改写循环，修复经验被丢弃，或未经把关就写入技能库。VEvo-Harness 把失败判定展开成层级验证树以定位根因，再用反事实双路图像重放只接纳因果有效的技能补丁，并按工作、经验、模式三层管理记忆。在 Qwen-Image-2512 后端上，它在 GenEval2 达到 86.1，比 GenRouter 高 14.5 个百分点，同时保持持续演化。
两个人形机器人抬同一块货过窄廊：协调策略写成可执行代码，物理校验不过就改角色
两个人形机器人抬同一块自由支撑的刚性货物穿过受限走廊时，团队协调不再靠预先分解任务，而是写成可执行代码，由多模态基础模型给出动作原语、语义目标、临时角色和有界参数。每次物理执行都经校验器判定，被拒的转移从最近一次通过的检查点触发结构化修订，通过的经验被留存复用。在MuJoCo中，三种基础模型骨干各跑5次基础任务，共15次完成8次，每个骨干都有端到端成功。
自进化智能体不再只改权重或只改外壳：Evo2让两者互相喂养，SWE-bench Verified解决率48.3%
Evo2把智能体外壳的改写结果反过来训练负责改写的模型，在SWE-bench Verified上把解决率从最强基线的41.0%提到48.3%，Polyglot通过率从62.6%提到82.1%。
智能体不再等外部教师出题：ClawLoop 让它在同一沙箱里自出题、自诊断、自训练
ClawLoop 把任务合成、训练与失败诊断串成闭环，让基于 harness 的智能体无需外部教师模型即可自我改进，在 SkillsBench、Claw-Eval-Live 与 ClawGym-Bench 上均优于单次合成的 ClawGym。
智能体不再只改行为：把环境规律写成可证伪假设，反应堆实验完成率从0%升到83%
EvoBelief把智能体对环境的认识写成可证伪的假设，只有经过独立证据验证的规则才能影响预测和计划，语言模型本身保持冻结。在ALFWorld上，无行为侧转移记忆时，它相对同配对的冻结世界模型把成功率提高23.9%（Claude Haiku 4.5）和31.3%（GPT-5.4）；在DiscoveryWorld反应堆实验室，它完成83.3%的普通档和58.3%的挑战档实例，而每个被评估基线均为0%。
把自演化限制在运行时 harness 内并加一道准入闸门：7,449 个候选只放行 144 个，无有害变更，而取消闸门的同一循环放行了 309 个有害变更
该工作主张 LLM 智能体的自演化只应发生在运行时 harness（指令文本、工具调用逻辑与类型化原语组合）而权重固定，并给出局部循环加全局循环、共用一道准入闸门的双循环引擎；在合成监管变动基准上（3 类再解释、3 档严重度、每格 10 个种子），闸门从 7,449 个候选中放行 144 个且无一在留出历史上加重错误，而把闸门换成无界系统所用的“近期轨迹中可见错误更少”检查后，同一循环放行了 309 个有害变更，90 次运行中有 49 次漏报率超过 10%。
SynCo 让合成器与解题器在同一在线批次中联合优化，八个数学推理基准平均达 78.72%
SynCo 把智能体式数据合成与任务求解建模为耦合的多智能体强化学习问题，用同一在线交互批次同时更新一个合成器和一个解题器：解题器获得逐条 rollout 的正确性奖励，合成器获得由任务质量、答案可靠性与结果接地可教性门控的任务级奖励，二者更新再反馈进下一轮合成。在八个数学推理基准上，SynCo 平均准确率 78.72%，高于冻结合成器变体的 75.85% 与最强外部基线 ScaleQuest-Math 的 74.96%，且增益主要来自初始模型未能解出的题目。