TimeEvo：时间序列Agent的失败驱动自我进化

时间序列Agent通过调用外部工具回答分析问题，而它们携带哪些工具由人在Agent运行前决定。然而，我们识别出这一设定中的两类失败。人类-Agent工具错配：一个由21个专家策划工具组成的库在某些任务上有帮助、在另一些任务上有害，在我们测试的每个骨干下都降低了异常检测准确率。静默伤害：一轮通用的自我修订改变了147个答案却破坏了其中56个，而最终得分变动不到一分。两者源于同一缺口：一个工具是否有用是在运行时逐题决定的，而工具却是预先提供、并以单一平均值评判的。为解决这一问题，我们提出TimeEvo：把Agent诊断出的失败聚类为能力缺口，为每个缺口规划一项测量，合成仅基于证据的工具来填补缺口，并且只通过成对准入门控接纳候选工具库。在十个时间序列问答任务与三个骨干上的实验表明，TimeEvo从空库出发，在所有任务与所有骨干上都提升准确率，而且在便宜模型上长成的库装入更强模型后仍有收益。代码已开源。