Prime Agent: A self-improving RLM agent Prime Agent：不改權重，AI如何靠框架自我進化？

📝 本集重點：• 差別在於「主動動態擴充」與「持久化記憶」。過去的 Multi-agent 很多是死板的流程圖，寫死 Prompt 讓 A 傳給 B、B 傳給 C，上下文越來越長、模型越來越笨。而 Prime Agent 利用持久化的 IPython ker...• 這確實是目前討論最激烈的爭議。質疑者會覺得這不過是非常高級的提示詞工程或軌跡緩存，不算真正的 AGI 自我演化。但我認為這種批評忽略了「規則提取」的抽象層級。Prime Agent 在 /refine 過程中提取的是「解題策略」和「工具...• 這點確實很顛覆。過去大家談到 AI 自我改進，直覺都是 RLHF 人類反饋強化學習，或者拿高質量數據做微調。但 Prime Agent 的邏輯完全不同，它把焦點放在外掛框架 Harness 上。它提出的 RLM 遞迴語言模型，核心想法是把 ...• 這正是 Prime Agent 選擇 MIT 完全開源最聰明的地方。如果是神經網路權重被毒化了，要去找出是哪幾十億個參數出問題幾乎不可能，那是黑盒子；但 Prime Agent 累積下來的演化資產，全部都是人類可讀的文字、代碼、提示詞跟技能...