EvolveTrade 在每个交易区间结束后重写交易智能体的系统提示词
EvolveTrade 论文将交易智能体的系统提示词视为其策略。每个交易区间结束后，单独的 Policy Agent 读取决策轨迹和已实现收益，并重写提示词。骨干模型保持冻结。
论文报告称，在多种市场状态和两个骨干模型上，进化后的智能体在多数设定中的夏普比率和累计收益优于固定提示词基线。重写后的提示词还使智能体进行了更多基于代码的分析，并计算适应当前市场状态的信号。
相关AI快讯
SkillLift 论文报告演化智能体技能的 token 成本降低 40–70%
DAIR.AI 介绍了一篇 SkillLift 论文，该方法训练一个学习得到的评分标准来对智能体技能提示候选进行排序，而不是用完整 rollout 对每次修订打分。论文报告称在 SkillsBench 和 WildClawBench 上优于 SkillOpt 和 CoEvoSkills，并以少 40% 到 70% 的 token 达到目标性能。
微软论文称 CASD 提示优化平均提升 16.6 分
CASD 让现成的编程智能体分析完整的智能体日志集，并把发现写成一条提示中的规则，无需环境访问或验证数据。DAIR.AI 称，单次运行在所报告的基准上超过 GEPA 和 SkillOpt，每条优化后的提示成本约 1.60 美元。
JEV 级联以约 57% 的费用保留 GPT-6 99% 的准确率
一篇 Jev-as-a-Judge 论文报告称，接受 TypeSafe AI 置信度较高的 JEV 判定，并将其余判定升级至 GPT-6 Astra，在 510 对留出偏好样本上保留了 GPT-6 99% 的准确率，费用约为 GPT-6 的 57%。作者表示，升级阈值并不能迁移到每一个回退模型，应基于自身数据设定。
最干净的公开终端智能体 RL 集合中，仅 35.8% 通过 Salesforce AI Research 审计
Salesforce AI Research 将该集合的干净比例定为 35.8%，另外两个分别为 10.1% 和 3.3%，并发现两个方向的奖励错误。作者称，用于过滤缺陷环境的 RIVER 在使用不到 TMax 30% 环境的情况下，使 Terminal-Bench-Lite 上的 RL 增益提高 106%，Terminal-Bench v2.1 上提高 30%。
NVIDIA 的 Skill2Env 将公开 Agent Skills 编译为 7,971 项终端任务
Codex 规划器与创建器将每项技能转化为经过测试的终端工作流，评分标准取自该技能自身的质量标准。仅按结果的强化学习使 Qwen3.8-27B 在 Terminal-Bench 2.1 上从 49.4% 提升至 54.1%；加入评分标准后达到 50.1%，但在轨迹比较中胜出更多。