TASA：可追踪的工具增强策略优化智能体

2026年10月14日，arXiv Artificial Intelligence 刊出 Zhongnian Li 等作者的研究，提出工具增强策略智能体 TASA。该工作针对 OPRO 优化过程难以追踪、无法利用历史迭代信息的问题，基于优化轨迹为每一步规划策略，将优化过程拆解为可追踪的策略选择。TASA 还用 LLM 构建问题专用工具，并引入策略引导的自适应工具规划器，在持续探索下建立局部收敛，并在共享候选-评估预算下完成评估。作者称，结果支持其解质量与策略引导搜索的可追踪性。截至该报道，事件仅涉及这一篇论文的提出与初步评估，尚无后续跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。