11 月 10 日，openJiuwen 发布 TTSE 双轨自演进框架，把 Agent 在任务中积累的经验拆成环境事实与执行方法两条轨道分别维护，并已在 WorkSwarm 蜂群办公智能体中落地。
为什么经验会失效
在递归自我改进过程中，Agent 可以通过任务反馈改进执行方法并积累可复用经验，但环境认知没有同步更新时，过去有效的经验会成为新的障碍。接口条件变了还在重试旧调用，数据格式变了还在沿用旧规则。框架借鉴认知科学把经验分为 FACT 与 TIP 两类，FACT 描述环境本身的属性与规律，强调可直接验证和跨任务稳定性，TIP 采用在什么条件下执行什么操作的表达形式。递归改进的模型侧进展可对照 NeoHorse-1.5-Flash 的 RSI 第二圈。
四个环节的循环
框架由双轨知识表示、冷启动、在线增量演进、最终输出与评估四部分组成。冷启动阶段从空规则库出发，由 Agent 执行首批任务再分别归纳 FACT 与 TIP。后续按批次推进，每轮依次完成归因、退役、矛盾分析与合成、归纳四个环节。归因分析失败轨迹识别误导执行的规则，退役把被归责规则移入退役池并保留原因、批次和时间记录，矛盾分析与合成检查退役规则中的冲突并把看似冲突的经验合成为条件更明确的 TIP，归纳环节对比成功与失败轨迹更新双轨经验库。分类时难以确定的内容默认归入 TIP，以降低把未经充分验证的操作经验当成环境事实的风险。
五个基准的实测
评测覆盖 ALFWorld、ScienceWorld、GDPevo、SOPBench 和 PinchBench，每项实验三次独立重复。ALFWorld 上 GLM-5 成功率最高 98.51%，DeepSeek-V3.2 达 97.8%，较此前最优方法 GraSP 的 83.6% 提升 14.2 个百分点。ScienceWorld 的 MACRO Reward 从 0.7204 提升至 0.8534，Native Success 从 53.08% 提升至 73.46%。GDPevo 完整方案平均得分 0.2616，约为零样本基线 0.0947 的 2.8 倍。SOPBench 总体成功率从基线 79.15% 提升至单轨方案 91.59%，双轨融合达到 94.58%。PinchBench 以非侵入方式接入 OpenClaw，在 147 个真实端到端任务上双轨方案平均得分从 0.7439 提升至 0.7822，三次运行的极差从 3.33 个百分点降至 1.61 个百分点。WorkSwarm 0.2.7 及以上版本可在设置中开启 TTSE 自演进开关。
延伸阅读
- Meta Max 人形机器人 48 公斤原型曝光 傅利叶三个月造机1 周前
- 英伟达开源 Run:ai 深度：KAI Scheduler 与 3 至 6 倍加载加速3 周前
- 豆包SAEP公示期结束：第三方应用自动化权限正式开放，字节AI生态迈入下一程4 周前
- OpenAI 前沿模型断网训练：11 天暂停后，红队用缓存计时跨沙箱传密钥3 周前
继续读
同一批更新里这几篇值得一看：
- 八国与 OpenAI 等签署巴黎 AI 安全宣言：含关机机制2026-11-10
- Adobe MAX 大会发布 MCP：ChatGPT 可调用 4 款创意工具功能2026-11-10
- Otter AI 支持 31 种语言：新增 27 种可跨语种转写2026-11-10
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记