> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# 智能体外围系统进化研究：总体指标改善仍伴随任务退步
- URL: https://binnn.top/agent-evolution-task-regressions/
- Published: 2026-11-09T07:37:58.000Z
- Updated: 2026-11-09T10:44:07.000Z
- Description: 一项研究通过重复评估和执行轨迹检查，区分智能体进化中的成功稳定性、任务覆盖与行为退步，并据此修订候选选择和修改规则。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, 语言模型, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · arxiv.org · 原文日期 2026-11-05

## 研究对象：固定权重，修改外围系统

这项研究考察智能体外围系统的持续修改：保持模型权重不变，调整影响观察和行动的系统部分。依照不同框架的编辑权限，修改对象可以包括提示词、技能、工具接口、编排或源码。作者关注的是，这类修改带来的基准分数提升，能否转化为可靠、经济且可迁移的改进。

## 重复评估：新增与丢失的任务分别记录

作者将最终选定版本与对应初始版本各运行八轮：可靠性是全部执行的成功比例，覆盖率是八轮中至少成功一次的任务比例。论文报告，所测进化版本都既新增覆盖任务，也丢失原有覆盖任务；即使两项总体指标同时改善，具体任务仍可能退步。这一观察限于论文所测设置。

## 轨迹检查：成败翻转对应哪些行为

作者检查选定的对照轨迹，发现成功案例涉及保存恢复文件、遵守操作依赖；失败案例则包括参数错误、提前结束，以及结果在本地可用、却无法在要求的环境中运行。这些是抽取案例中的行为观察，不能把每次成败翻转直接解释为获得或遗忘了任务知识。

## 算子修订：把保留行为写进修改依据

据此，论文提出协调修订选择、分析、修改和准入规则：选择父代时用行为保留证据处理同分，诊断时连接执行轨迹并明确应保留的有效行为，生成修改时保留必要依赖，候选同分时考虑资源消耗。这些是作者提出并用于后续验证的设计，不能直接视为适用于所有智能体的通用规则。

原始标题：Beneath the Surface: What We Overlook When We Talk About Agent Evolution  
[来源：arxiv.org](https://arxiv.org/abs/2611.07624?ref=binnn.top)