研究揭示Agent自进化能力丢失局限并提出EvoAudit
Start here
2026年11月6日，arXiv发布的一篇研究论文针对无需更新模型权重的Agent框架自进化展开了系统评测。研究发现，此类自进化的基准分数提高往往伴随着先前任务覆盖的丢失以及部署成本的上升。在对4种方法和16个进化智能体的测试中，所有个体在获得新任务能力的同时均丢失了旧任务能力，且最高分个体并未带来最大平均增益。针对上述现象，研究团队提出了包含选择、分析、变异和门控改进的EvoAudit框架，以实现更可靠的智能体自进化效果。
AI-generated from reports · Updated 5 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能论文探究 Agent 自进化的表象之下：高基准分背后的能力丢失与成本问题
最新论文针对无需更新模型权重的 Agent 框架自进化展开系统评测，发现基准分数的提高往往伴随着先前任务覆盖的丢失与部署成本的上升。在测试的 4 种方法与 16 个进化智能体中，所有个体在获得新任务能力的同时均丢失了旧任务能力，且最高分个体并未带来最大平均增益。针对上述现象，研究团队提出包含选择、分析、变异和门控改进的 EvoAudit 框架，以实现更可靠的自进化效果。
Story heat trend
Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.