SimSkill：自主掌握交通仿真的终身学习AI智能体

随着大语言模型 (LLM) 的能力越来越强，人工智能系统的长期价值不仅取决于解决个人请求，还取决于将经验和积累的知识转化为持久、可重用的能力。我们介绍 SimSkill，这是一个围绕城市移动模拟 (SUMO) 交通模拟器构建的自我进化代理。 SimSkill 识别能力差距，生成并解决基于环境的任务，通过行动-评论循环验证解决方案，并将经验整合到情景、程序和语义记忆中，而无需更新主干模型。通过自主探索，它构建了一个涵盖交通模拟工作流程的可重用库。我们在两个保留的基准上评估 SimSkill，其中包含三个主干 LLM 和基于独立工件的验证。 SimSkill 将验证完成度提高了高达 25 个百分点，而消融显示了程序记忆和语义记忆的互补贡献。它的好处仍然取决于骨干网和预算：内存并不能改善每个模型或统一降低推理成本。更广泛地说，SimSkill 阐释了一种设计范式，其中自然语言保留和组合计算能力，而可执行工具和代码则提供精确且可重复的执行。所有代码和实验数据均可在 https://github.com/qiliuchn/SimSkill-V1 上公开获取。