The Trinity 框架透過能力樹驅動多模態代理自我提升
研究提出 The Trinity 框架，結合世界生成與 Harness 演化，透過 Creator、Explorer 和 Evolver 三個角色，將任務組織從表面類別轉向共享能力需求，在多模態代理中實現遞迴自我提升。
本文重點
- 研究提出 The Trinity 框架，透過能力樹驅動多模態代理自我提升。
- 演化後的 Harness 在 28 個訓練基準測試上平均表現提升 34 分。
- 論文頁沒有列出公開的程式碼，Hugging Face 上無公開模型或資料集。
- 本站上線
- 2026/10/28 下午04:18
- 首次報導
- 2026/10/28 下午12:00
- 最早來源發布
- 2026/10/28 下午12:00
研究在做什麼
多模態智能可視為世界與代理透過互動進行的人類引導共同演化，但擴展此過程面臨兩個瓶頸：建構異質且可驗證的環境成本高昂，且手動迭代 Harness（代理執行任務的軟體框架）無法跟上任務多樣性與複雜度的增長。研究指出，不同模態與表面形式的任務可能共享相同的基本能力需求，因此提出 The Trinity 框架，旨在透過能力驅動的遞迴自我提升來解決這些擴展問題。 arXiv cs.AI
方法
The Trinity 框架結合世界生成與 Harness 演化，透過三個角色運作：Creator（創造者）、Explorer（探索者）和 Evolver（演化者）。Evolver 根據驗證過的執行軌跡，將任務組織基礎從表面類別轉向共享需求，將原始任務樹重組為階層式能力樹。研究引入 Capability-Driven Real2Sim2Real（能力驅動的真實到模擬再回到真實）機制：對於同一節點下的異質任務，Creator 將其共同需求抽象化為簡化且可驗證的模擬世界以進行能力學習，並透過原始任務評估轉移效果。Explorer 沿著能力樹，透過選擇性繼承逐步演化可重複使用的能力模組，形成 Harness 樹，其驗證過的更新在固定拓撲結構內跨迭代累積。 arXiv cs.AI
結果
演化後的 Harness 在 28 個訓練基準測試上的平均表現提升了 34 分，在 18 個未見基準測試（包含兩個真實世界具身任務）上的平均表現提升了 26 分。此外，由於演化出的 Harness 專注於不同能力，研究引入了 Capability-Aware Harness Router（能力感知 Harness 路由器），利用公開任務資訊從樹中選擇相容的模組配置。 arXiv cs.AI
程式碼與資料
本站 2026-10-28 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 程式碼：論文頁沒有列出公開的程式碼
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集
來源：佐證 1 筆
媒體轉述新聞媒體的報導
- arXiv cs.AI · The Trinity:Capability-Driven Recursive Self-Improvement for Multimodal Agents10/28 下午12:00
這篇對你有用嗎？
留言 0
- 還沒有留言，第一則就是你的。
留言不用登入；名字選填，沒填就顯示「匿名會員」。含連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。