AI 代理研究
PILOT 讓監督代理在任務途中改道，並把執行經驗即時寫回持久技能
PILOT 以雙向通道連接監督者與工作代理，允許前者在長任務尚未結束時提供指示或中止錯誤路徑。作者在三項代理基準報告準確率與 token 效率提升，但「自我改進」只更新 harness、技能與記憶，沒有修改模型參數。
香港理工大學等研究者提出 PILOT，把常見的事後反思改成任務執行中的閉環監督。系統由獨立 supervisor 與 worker 組成：worker 保留工具輸出、試錯過程及實作細節；supervisor 維持較乾淨的目標視角，接收進度通知、問題、完成結果、執行錯誤與閒置警報。它可在 worker 下一輪前插入 steering 指令，也能直接 abort 已無繼續價值的分支。
另一個機制是 live self-evolution。監督者若在軌跡中辨識出可重用程序、專案慣例或反覆出現的失敗模式，可立即寫入持久技能庫或記憶；之後於同一任務或未來任務啟動的 worker 會載入更新後的 harness。這裡的「自我改進」因此是上下文與執行框架演化，模型權重全程凍結，與線上微調或遞迴訓練不同。
研究以 GLM-5.1 與 Kimi-K2.6 分別同時扮演兩種角色，測試 Terminal-Bench 2.0、SWE-bench Multilingual 與 SWE-bench Pro。PILOT 在六種模型—基準組合中有五種排名第一；Terminal-Bench 2.0 兩模型平均通過率為 71.6%，比最強單代理平均基線高 5.3 個百分點。跨迭代自我改進設定中，作者報告兩模型分別增加 14.6 與 12.4 點，平均輸出 token 減少 42.9% 與 47.4%。人工分析亦顯示監督介入集中於困難任務，簡單任務的成功軌跡沒有依賴 steering。
不過，雙代理會引入額外延遲與推論成本，論文只測兩個開放權重模型及三項 coding／terminal 基準；同模型監督同模型也未回答「昂貴監督者搭配便宜 worker」是否划算。公開論文目前亦未提供完整可重跑實作，因此工程團隊下一步應關注成本拆分、錯誤監督造成的負遷移，以及持久技能遭污染後的回滾與稽核機制。