CoEvolve：通过智能体数据相互演化训练 LLM 智能体

LLM智能体的强化学习通常在静态数据分布上进行，这无法适应智能体不断变化的行为，并导致对复杂环境交互的覆盖率较差。为了应对这些挑战，我们提出了 CoEvolve，一种智能体-数据相互进化框架，使 LLM 智能体能够通过闭环、交互驱动的训练进行改进。具体来说，CoEvolve 从采样轨迹中提取遗忘和不确定性等反馈信号，以识别容易失败的交互模式，并利用它们来指导基于 LLM 的任务合成。合成的任务通过环境交互进行验证，并用于更新数据分布，从而实现代理及其数据的联合适应。在 Qwen2.5-7B、Qwen3-4B 和 Qwen3-30B-A3B 上的 AppWorld 和 BFCL 上进行的广泛实验表明，与强基础模型相比，取得了一致且显着的改进，分别获得了 19.43%、15.58% 和 18.14% 的绝对增益。