القائمة
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/hiyenwong/ai_collection --skill self-improving-llm-agents-testيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
Graph-native Python reimplementation of the Information Dynamics of Music (IDyOM) model that represents predictive memories as explicit graph objects for musical expectation modeling and network analysis.
Physics-aware end-to-end deep reinforcement learning methodology for quadcopter control with actuator dynamics modeling.
Reinforced Dreamer methodology for asymmetric reinforcement learning using latent guidance to improve world model representations and behaviors in model-based RL.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | self-improving-llm-agents-test |
| description | Self-Improving LLM Agents at Test-Time |
| metadata | {"arxiv_id":"2510.00010","published":"October 2025","authors":"","tags":[]} |
This skill is based on the arXiv paper: 2510.00010 - "Self-Improving LLM Agents at Test-Time" (October 2025).
TODO: Extract key innovations from the paper.
TODO: Describe the methodology from the paper.
TODO: Discuss the implications of the work.
TODO: List potential pitfalls and limitations.
self-improving-llm-agents-test, self-improving, llm, agents, at, test-time
arXiv:2510.00010 - "Self-Improving LLM Agents at Test-Time" (October 2025)
