// AI 新闻 · 2026-11-10 · 量子位
openJiuwen首发TTSE双轨自演进框架
openJiuwen于近期发布TTSE（Two-Track Self-Evolution）经验学习框架，旨在解决Agent在不同环境下的经验失效问题。该框架将任务经验分为两类：FACT用于描述环境事实，TIP用于表达条件下的执行方法，通过独立建模与持续验证实现知识的动态更新。Agent在执行任务过程中，依据反馈进行归因、退役、矛盾分析与归纳，形成闭环演进机制。
原文发布 2026-11-10 15:56（北京时间）来源 量子位自动整理 · 已核对原文
01摘要
实验在ALFWorld、ScienceWorld、GDPevo、SOPBench和PinchBench五个基准上验证，结果显示TTSE在成功率、任务表现和稳定性方面均优于传统单轨方法。在真实办公场景中，Excel数据清洗与文档整理任务中，工具调用减少、失败率下降、执行时间显著缩短，体现其对环境认知与操作策略协同管理的有效性。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- TTSE将经验分为FACT（环境事实）与TIP（条件式技巧），分别维护环境认知与执行方法。
- 通过归因、退役、矛盾分析与归纳四步循环，在任务中持续检验并更新经验库。
- 在ALFWorld至PinchBench多个基准测试中，TTSE显著提升成功率与任务表现，部分场景增益超20个百分点。
- 已落地于WorkSwarm 0.2.7及以上版本，用户可开启TTSE开关体验实际办公效率提升。
03原文出处
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-10 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日