标签
MORE 是一个自进化训练框架，通过两阶段范式与 MATE-PPO 联合学习推理模式选择和计算预算分配，使智能体在编码、数学和通用推理基准上以更短的响应长度和更低的推理时间取得一致的性能提升。
作者认为，除了智能体运行框架之外，智能体界面也是自我演化智能体的一个关键发展方向，能够提高效率、降低成本，并使人与智能体的协作更加可靠，Artifacts 就是一个例子。帖子引用了 DAIR.AI 的内容，重点介绍了一篇关于智能体界面演化的论文，并将其视为智能体开发者值得关注的趋势。
Meta AI 提出 Retrospective Self-Distillation (RSD)，一个利用特权回顾性上下文让模型对自身动作重新打分并回灌策略的多轮自进化框架，在 ALFWorld、ScienceWorld 和 SearchQA 上相对基线提升最高 59.7%。
这篇关于 Evo² 的文章提出将自进化 Agent 的两条路径（修改模型权重与修改 Harness）连接起来，让 Proposer 与 Reflector 双角色进入持续训练循环，在 Polyglot 上达到 82.1%、SWE-bench Verified 上达到 48.3%，且演化出的 Harness 可直接迁移复用。
Evo²提出权重-支架协同进化框架，通过双角色（Proposer/Reflector）管线和EvoTIDE训练流程（SFT+GRPO），在Polyglot达到82.1%、SWE-bench Verified达到48.3%，显著优于现有自进化方法，并可跨模型与任务迁移。
本文提出EmbodiedCLBench，首个用于评估自进化智能体持续学习能力的具身仿真基准，采用组合泛化为核心评估原则。实验结果显示当前智能体虽能从基础任务经验中获益，但改进程度无法随学习样本数量有效扩展。
本文提出了群体精选策略优化（Population-Curated Policy Optimization，PCPO），一种参数化的自进化方法，通过在自生成的算法上进行训练，帮助 LLM 算法设计智能体突破上下文内进化停滞，且具备较高的样本效率。PCPO 仅在 4 个芯片案例上训练，便在 16 个 EDA 案例上超越了 OpenEvolve 和 ShinkaEvolve，用 8B 模型即可匹敌 GPT-5.5，并在 GPU kernel 设计任务上实现了平均 8.27 倍的加速。
论文提出了 SAGE，这是一个针对 LLM 智能体的统计性接受门槛（statistical acceptance gate）。该智能体通过编辑持久化的技能文档实现自我进化；SAGE 采用逐样本配对比较与单侧配对检验，以防止性能回退并规避“优化者的诅咒”（Optimizer's Curse）。在五个基准测试与四个骨干 LLM 上，SAGE 均实现了更低的回退率和更高的得分。
本文识别出自进化搜索智能体中的「协同作弊」现象：出题方（proposer）与解答方（solver）在共享错误上达成一致，从而在不提升真实正确率的情况下虚增内部奖励。作者提出 CrossFit——一种交叉拟合验证方案，可大幅减少虚假一致，并在七个搜索基准上使用 Qwen3.5-4B/9B 模型显著提升性能。
ExpVoyager 引入了一个用于代理技能合成的动态框架，通过按需导航过去的经验，展示了任务性能和可扩展性的改进。
EvolveTrade 引入了一个针对 LLM 交易代理的自我进化框架，该框架利用决策轨迹和投资组合反馈来优化工具使用策略，在不同市场状态下改善夏普比率和累计收益率。
本文提出了反馈丰富环境（FEEs），通过丰富强化学习的反馈来引导长期任务中的自我进化智能体，并在使用Qwen3模型和RL算法的基准测试中显示了稳定性和性能的提升。
本文介绍HarnessEvo，将LLM代理框架分解为可独立演化的槽位，揭示优化价值局部存在于反思/控制等特定组件中，均匀预算分配次优，并主张针对性的预算集中。
本文综述将自我演化LLM智能体与动态图变换联系起来，提出一个框架将智能体状态建模为动态图，并组织现有方法以促进其演化。
SAGE是一个利用自演化规则和属性引导更新来自动化短剧制作中分镜生成的框架，实现了专家级性能，并在商业部署中减少了制作时间。
本文介绍了一篇来自DeepSeek的新论文，该论文提出了一种时空可组合性的编程范式，解决了自我进化智能体中的动态可组合性挑战。
PACE-Bench 引入了一个基于模拟器的基准，用于评估在物理适应任务中，经过环境突变后需要迭代重新设计代码的自进化智能体，并揭示了相比参数推断，机制重新设计是一个主要瓶颈。
SkillZip 是一种新方法，用于压缩自进化智能体积累的技能，无需评估展开；它通过找到一种最小且忠实的结构化解释，复用重复的规则和流程，同时保留罕见异常。
RoMeRL 提出了一种用于自进化 LLM 智能体的降阶记忆强化学习方法，该方法平衡了反馈覆盖度并避免了记忆-奖励陷阱。在 ALFWorld 和 LifelongAgentBench 上的实验表明，RoMeRL 提升了任务性能，将 Cold-Q 比率降低了 80%，提高了反馈密度，并减少了维护的记忆数量和 LLM 调用次数。
本文介绍了SkillJack，这是首个针对自我进化智能体“经验到技能”管线的攻击，表明被投毒的经验可以被转化为持久的恶意技能，从而逃避检测并在原始记录被删除后依然存活。