Agent 自进化，并不会每一轮都变得更强。 这篇《Rethinking Self-Evolving Agent Skills》专门研究 Skill 在多轮迭代里到底是怎么进化的。 作者做了 42 组 evolution run，一共生成 388 个候选 Skill，真正刷新验证集最好结果的只有 55 个。 也就是说，大部分修改其实没有带来有效提升，很多轮次会停滞、退化，最后被回滚。 还有一个很有意思的结果： 最终被选中的 11 个进化 Skill，全部使用了失败轨迹作为反馈；只看成功经验的方案一次都没有胜出。 失败轨迹更像是在告诉 Agent「哪里需要修」，成功轨迹则更适合保留已有能力。 这也说明了自进化更像一场带验证和回滚机制的搜索。 重点不在多迭代几轮，而在每次修改之后，能不能证明这条经验真的值得留下。 📎 arxiv:

17岁中国高中生做了什么？让马斯克都忍不住点赞👍 AI圈最近被一个中国高中生的名字刷屏 一篇来自中国的论文刚发布不久，马斯克就在推特公开评论：“Impressive work from Kimi.” 让全球AI圈震惊的是，🇨🇳中国AI领域的天才正在从高校诞生！ 📌事情是这样 这位学生叫陈广宇，他所在的团队，正是开发 Kimi 的公司 Moonshot AI 陈广宇是论文 《Attention Residuals: Rethinking depth-wise aggregation》 的第一作者 论文提出了一种新的模型层间信息聚合方式：用 softmax 注意力机制 替代传统固定残差连接 并且在多个主流测试基准中，这种方法都带来了明显提升 陈飞宇被关注的核心原因是，很多AI研究人员需要经历： 本科 → 研究生 → 博士 → 实验室 而他直接进入模型研发团队 从第一次接触大模型，到发表研究成果并被全球关注，只用了大约一年时间