arXiv cs.AI· Xiaobo Wang, Zimu Wang, Siyu Ye, Jiaqi Li, Min Tang, Jun Bai, Yuling Shi, Ruobing Wang, Jingjing Zhang, Chaofan Wang, Kai Wu, Mengnan Qi, Kai Cai, Xiaodong Gu, Qi Liu, Zilong Zheng·· 11 小时前AI 评分38
智能体框架演进研究：基准分数提升未必带来可靠、高效、可迁移的改进
Beneath the Surface: What We Overlook When We Talk About Agent Evolution
AI 导读
研究评估了四种智能体框架演进方法在通用与编程任务上的表现，发现全部十六个演进后的智能体都获得了此前未覆盖的任务，同时丢失了此前已覆盖的任务。在一个通用任务案例中，可靠性提升 5.2 分却丢失了十项已覆盖任务，且多数可靠性增益同时推高部署成本。
正文 · AI 翻译
作者：Xiaobo Wang、Zimu Wang、Siyu Ye、Jiaqi Li、Min Tang、Jun Bai、Yuling Shi、Ruobing Wang、Jingjing Zhang、Chaofan Wang、Kai Wu、Mengnan Qi、Kai Cai、Xiaodong Gu、Qi Liu、Zilong Zheng
摘要：智能体执行框架的演进使得无需更新模型权重即可实现递归自我改进（RSI）。我们考察更高的基准分数是否能带来可靠、高效且可迁移的提升。我们在多种执行框架、通用任务与编码任务上评估了四种方法。重复评估、受控的智能体扩展、组件干预以及准入重放揭示了反复出现的模式。全部十六个进化后的智能体都获得了此前未覆盖的任务，同时丢失了此前已覆盖的任务。在一个通用任务案例中，尽管丢失了十个此前已覆盖的任务，可靠性仍提升了 5.2 分。大多数可靠性提升也会增加部署成本。具体改动通常优于通用提示，但二者结合时其收益可能发生变化。在我们四个池中的任何一个里，得分最高的智能体都未带来最大的平均提升，而更严格的准入可能丢弃有用的备选方案。迁移会有选择地保留收益：在两种执行框架类型和范式下，通用任务目标上的覆盖率通常下降，但在仅外层执行框架下，编码目标上的覆盖率上升。这些发现促使我们采用保留感知的评估、经过检验的决策规则以及明确的适用条件。作为建设性的后续工作，EvoAudit 将这些诊断转化为对 select、analyze、mutate 和 gate 的修订，取得了最佳性能。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.07624 [cs.AI] |
| （或 arXiv:2611.07624v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07624 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xiaobo Wang [查看邮箱]
[v1]
2026年11月5日星期四 08:06:37 UTC（2,334 KB）
来源：arXiv cs.AI · arxiv.org