DiagEvo: Diagnosis-Guided Self-Evolution via Hierarchical Error Memory

• 类型：arxiv
• 标识：2609.00768
• 链接：https://arxiv.org/abs/2609.00768
• 主分类：llm-infra
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：DagEvo is introduced, which guides question generation using the solver's failure history from self-play, without external task resources, and shows that mixed generation, memory-state updates with cross-state stitching, and double-confidence filtering contribute to these gains.
• OpenAlex ID：W7206214349
• OpenAlex DOI：10.48550/arxiv.2609.00768
• DOI：10.48550/arxiv.2609.00768
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.00768
• OpenAlex更新：2026-09-05
• 待LLM分类：否
• 成熟度：research
• 场景：self-evolution、self-play、error-memory
• 标题中文：DiagEvo：通过分层错误记忆实现的诊断引导自我演化
• TLDR中文：本文提出 DagEvo，通过利用 self-play 中求解器的失败历史来引导问题生成，无需外部任务资源，并表明混合生成、跨状态拼接的记忆状态更新以及双置信度过滤共同贡献了这些性能提升。
• 来源文件：
• /inbox/tom/_candidates/2026-09-02-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]