自进化智能体会遗忘吗？终身LLM智能体适配中的能力退化与保持

摘要

LLM 代理的最新进展使系统能够自动完善工作流程、积累可重用技能、自我训练其底层模型并维护持久记忆。然而，我们表明这种自我进化通常是非单调的：适应新的任务分配可能会逐渐降低所有主要进化通道中先前获得的能力。我们将这种现象定义为\emph{自我进化下的能力侵蚀}，并表明它在工作流程、技能、模型和记忆进化中不断出现。为了缓解这个问题，我们提出了\emph{能力保留进化}（CPE），这是一种通用的稳定原则，可以在持续适应过程中限制破坏性能力漂移。在所有四个进化维度上，CPE 持续提高保留能力稳定性，同时保持适应性能。例如，在工作流演进中，CPE 在 GPT-5.1 优化下将保留的简单任务性能从 41.8% 提高到 52.8%，同时实现更强的复杂任务适应。我们的研究结果表明，稳定的长期自我进化智能体不仅需要获得新的能力，而且还需要在持续适应过程中明确保留以前学到的能力。

自进化智能体会遗忘吗？终身LLM智能体适配中的能力退化与保持：论文配图 — 图1：任务分配转移下的自我进化。在不受约束的自我进化下，对新任务的反复适应逐渐侵蚀支持先前掌握的任务的能力结构，导致先前的能力丧失。相反，能力保留进化会限制自我更新以获得新的能力，同时保留以前保留的能力。