华为openJiuwen首发TTSE双轨自演进框架

时间：2026年11月10日 地点：线上发布，华为openJiuwen开源社区 人物：openJiuwen框架与论文团队，该平台由华为2012实验室、华为云等团队联合构建 事件详情：11月10日，openJiuwen发布TTSE（Two-Track Self-Evolution，双轨自演进）经验学习框架，把智能体在任务中积累的经验拆成两条轨道分别维护：FACT（环境事实，持续核对这个环境是什么样的）和TIP（条件式技巧，持续改进在这些条件下应该怎么做）。框架由双轨知识表示、冷启动、在线增量演进、最终输出与评估四部分组成，在线增量演进按归因（Blame）、退役（Retire）、矛盾分析与合成（Contradict/Synthesize）、归纳（Induce）四个环节在任务批次之间循环，让已有经验持续接受新证据的检验。研究团队在ALFWorld、ScienceWorld、GDPevo、SOPBench和PinchBench五个基准上做了评测，每项实验均进行三次独立重复。ALFWorld上，GLM-5成功率最高达到98.51%，DeepSeek-V3.2达到97.8%，较此前最优方法GraSP的83.6%提升14.2个百分点。ScienceWorld的MACRO Reward从0.7204提升至0.8534，Native Success从53.08%提升至73.46%，提高20.38个百分点。GDPevo上完整FACT加TIP方案的平均得分达到0.2616，约为零样本基线0.0947的2.8倍，只使用TIP或只使用FACT均未达到双轨方案的表现。SOPBench总体成功率从基线79.15%提升至单轨方案91.59%，双轨融合方案达到94.58%，较单轨方案再提升2.99个百分点。PinchBench上，团队以非侵入方式把TTSE接入OpenClaw，在147个真实端到端任务上运行三次，双轨方案平均得分从0.7439提升至0.7822，增加3.83个百分点，三次运行的极差从3.33个百分点降至1.61个百分点。相关论文A Two-Track Online Self-Evolution Framework for LLM Agents已在arXiv公开，编号arxiv 2609.24289，论文地址 https://arxiv.org/abs/2609.24289 。 背景：同一个模型、同一套流程，换到自己的文件和环境就开始反复试读、频繁返工，是当下智能体落地的常见卡点。openJiuwen此前已通过Harness加Artifacts双维度优化框架，让智能体基于真实任务反馈改进工作方法与交付成果；TTSE把关注点进一步推到经验本身的可靠性与可复用性。它借鉴认知科学对陈述性知识与程序性知识的区分：环境判断要核对是否符合现场事实，行动方法要检验在相应条件下是否有效，混淆两者就可能把偶然成功的操作当成稳定规律，或在环境变化后继续沿用已经失效的方法。 影响：TTSE已落地openJiuwen的WorkSwarm蜂群办公智能体，0.2.7及以上版本可在设置中开启TTSE自演进开关，0.2.8版本上线双轨演进Rail。团队给出的两个办公场景对比是：Excel数据清洗首次执行共57次工具调用、3次失败、耗时6分22秒，再次执行时降至20次调用、1次失败、1分48秒；文档与表格整理首次耗时1分49秒、调用工具27次、2次失败，第二次耗时1分26秒、调用18次、1次失败，整体耗时缩短约21.1%，工具调用减少33.3%，失败调用减少50%。在开源榜单WorkBuddy Office Bench上，WorkSwarm接入TTSE后任务表现提升3.81%，输入Token消耗降低1.70%，输出Token消耗降低30.09%，平均工具调用次数减少2次。对开发者而言，这提供了一条不依赖更大模型参数也能提升智能体能力的工程路径。 总结：openJiuwen的TTSE把环境事实与执行技巧拆开沉淀、分别验证，再把归因、退役、矛盾分析和归纳做成可追溯的循环。五个基准和两个真实办公场景给出的数字方向一致：ALFWorld上较此前最优方法提升14.2个百分点，接入OpenClaw跑147个真实任务平均得分提升3.83个百分点，办公任务的整体耗时缩短约21.1%。对于正在做智能体记忆、技能与自演进系统的团队，双轨经验管理是一个可以直接借鉴的工程框架。 常见问题： 问：TTSE 是什么？ 答：openJiuwen 11月10日发布的双轨自演进经验学习框架，把智能体积累的经验分成环境事实FACT和条件式技巧TIP两条轨道分别维护。 问：TTSE 的效果有多明显？ 答：ALFWorld上DeepSeek-V3.2成功率97.8%，较此前最优方法提升14.2个百分点；接入OpenClaw跑147个真实任务，平均得分提升3.83个百分点。 参考来源： 量子位，openJiuwen首发TTSE双轨自演进经验学习框架 https://www.qbitai.com/2026/11/508998.html Pandaily，Huawei's openJiuwen Unveils TTSE, an Agent Framework That Splits Environment Facts From Tips https://pandaily.com/huawei-openjiuwen-ttse-two-track-self-evolution-agent-experience-fact-tip arXiv，A Two-Track Online Self-Evolution Framework for LLM Agents https://arxiv.org/abs/2609.24289 Techub News，openJiuwen 发布 TTSE 双轨经验学习框架 https://www.techub.news/flash/91529270-28f7-465d-b7a4-50dedda8e1fe 华为开发者社区，openJiuwen 开源AI Agent平台介绍 https://developer.huawei.com/consumer/cn/blog/topic/03226405915792296 openJiuwen官网WorkSwarm产品页 https://openjiuwen.com/workswarm openJiuwen开源代码仓 https://github.com/openJiuwen-ai/