arXiv cs.CL· Zixuan Zhu, Yitong Hu, Yong Dai, Junfeng Fang, Chunyang Jiang, Senkang Hu, Yuzhi Zhao·· 14 小时前AI 评分38
Unified Context Evolution（UCE）：让 LLM 智能体经验跨任务持续进化的无梯度框架
Unified Context Evolution for LLM Agents
AI 导读
研究者提出 Unified Context Evolution（UCE），一个无梯度框架，将 LLM 智能体的经验外化为由 Memory、Strategy、Workflow、Skill 四类可进化上下文单元（ECU）组成的持续演化库，按类型生成、检索、依使用结果评分并淘汰失效单元。
正文 · AI 翻译
摘要：基于 LLM 的智能体能够通过将推理与环境反馈相结合来解决多步交互任务，但每个回合都从相同的固定上下文开始，任务结束后沿途发现的任何有用策略都会丢失。现有方法要么将学习限制在当前任务内，要么将所有经验汇集到一个无类型的单一存储中，既不区分知识类型，也不通过使用情况追踪质量，也不平衡知识库仍然欠缺的内容。我们提出统一上下文演化（UCE），这是一个无需梯度的框架，它将智能体经验外化为一个不断演化的、由带类型的可演化上下文单元（ECU）组成的知识库。UCE 将经验分解为四种互补类型（记忆、策略、工作流和技能），每种类型都在特定类型的条件下从轨迹中生成，在决策时被检索，通过重复使用结果进行评分，并在不再有价值时被剪枝。一个调度模块将每个周期的生成预算分配给知识库最薄弱的类型。在两个交互式基准上，UCE 将 ALFWorld 成功率从 75.4% 提升到 96.3%，将 WebShop 任务得分从 45.1% 提升到 61.3%，并且在无需重新训练模型的情况下，在替代的 actor 推理骨干上仍然有效。
| 评论： | 更新至 EMNLP 2026 相机就绪版本 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2606.02304 [cs.CL] |
| （或 arXiv:2606.02304v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.02304 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zixuan Zhu [查看电子邮件]
[v1]
2026年6月1日星期一 14:25:29 UTC（434 KB）
[v2]
2026年10月24日星期六 20:44:22 UTC（1,226 KB）
来源：arXiv cs.CL · arxiv.org