| 📄 arXiv 论文 | 📕 小红书笔记 |
|---|---|
|
2026-05-26
💡 一句话总结
Verilog-Evolve实现反馈驱动和技能进化的Verilog代码生成。
📋 详细解读论文解读论文提出Verilog-Evolve系统，解决现有LLM生成Verilog时将生成视为孤立采样和功能检查的问题。核心创新是引入反馈驱动和技能进化机制，使生成的Verilog代码更正确、可综合且符合时序约束。实验表明该方法能生成更高质量的硬件代码。
|
❤️ 293
💡 内容总结
微软研究院发布SkillOpt论文，实现Skills的自我进化训练，通过优化器在验证集上迭代改进Skills而非直接改模型权重
|
|
2026-05-26
💡 一句话总结
提出反馈驱动的自进化LLM Agent规划决策方法，优化CUDA内核生成。
📋 详细解读论文解读论文针对LLM在CUDA内核生成中的自进化规划问题，研究如何归因和组合异构反馈信号。核心创新是揭示标准端到端消融无法解决迭代规划中的扰动放大问题，提出反馈到规划的决策机制。实验验证了该方法在代码生成质量上的提升。
|
|
|
2026-05-26
💡 一句话总结
MUSE-Autoskill框架让LLM Agent通过技能创建、记忆、管理和评估实现自我持续进化。
📋 详细解读论文解读论文提出MUSE-Autoskill Agent框架，解决现有技能创建方法将技能视为孤立静态的问题。核心创新是提出以技能为中心的Agent架构，支持技能持续改进以提升任务解决能力。实验表明该框架能显著提升Agent在复杂任务中的表现和技能可复用性。
|
|
|
|
|
|
|
|
|
—
|
❤️ 45
💡 内容总结
首篇Agent Skills系统性综述论文，将Skill形式化为S=(M,R,C)，阐述Skills如何让Agent拥有可复用的程序性知识
|
|
—
|
|
|
—
|
|
|
—
|
|