Designer-RSI：从用户流量进化程序记忆的智能体
来自 arXiv · 期号 2026-09-19
摘要
专业平面设计是一个长周期智能体任务，涉及 230 多种工具操作，且结果无法用程序自动评判。 本文提出一种持续适应框架：冻结的前沿模型操作设计软件，同时维护一个外部「程序记忆」—— 用自然语言存储可复用的设计流程。记忆通过两种方式进化：遇到未覆盖的子任务时「拓宽」（新增技能），根据成功/失败执行记录「加深」（修订已有技能）。一个匹配回放门控机制确保只接受修复失败、不破坏已有成功的变更。 在 1,406 条真实用户需求、1,869 条自动评分轨迹上经过五轮迭代（无权重更新、无人工标注），技能库从 76 个文档技能增长到 139 个，Claude-Sonnet-4 上的 GenEval2 执行成功率从 72.7% 提升至 99.3%（生成质量 +11.99 分）。在四个专业设计基准上，该框架对无技能智能体的胜率为 61.8%–67.6%。 单独使用拓宽或加深机制，胜率分别为 49.4% 和 48.6%；两者结合达到 58.5%（p = 0.025），说明组合效果显著。 论文提出了一种在噪声、不可验证反馈下持续适应智能体的实用路线。