FORGE：通过种群广播实现无权重更新的自进化智能体记忆

LLM智能体能否在不进行梯度更新的情况下，通过自生成记忆改进决策？我们提出FORGE（Failure-Optimized Reflective Graduation and Evolution），一个分阶段的、基于种群的协议，为层级化ReAct智能体进化以提示注入方式使用的自然语言记忆。FORGE封装了一个Reflexion式内循环：专门的反思智能体（使用同一底层LLM，不从更强模型蒸馏）将失败轨迹转化为可复用的知识工件——文本启发式（Rules）、少样本示范（Examples）或两者兼有（Mixed）；外循环则在阶段之间把表现最佳实例的记忆传播给种群，并通过毕业准则冻结已收敛的实例。我们在CybORG CAGE-2上评估——这是一个30步时域、对抗B-line攻击者的随机网络防御POMDP——四个受测LLM家族（Gemini-2.5-Flash-Lite、Grok-4-Fast、Llama-4-Maverick、Qwen3-235B）的零样本奖励都呈强负值且重尾分布。与零样本基线和Reflexion基线（孤立的单流学习）相比，FORGE在全部12个模型-表示条件下，将平均评估回报较零样本提升1.7-7.7倍、较Reflexion提升29-72%，并将重大失败率（低于-100）降低到低至约1%。我们发现：(1) 种群广播是关键机制，无毕业消融证实性能增益由广播承载，而毕业主要节省计算；(2) Examples在四个模型中的三个上取得最高回报，Rules则以约少40%的token提供最佳成本-可靠性组合；(3) 较弱的基线模型获益不成比例地大，表明FORGE可能缩小能力差距而非放大强模型优势。所有证据均限于CAGE-2 B-line场景；跨家族发现仅为方向性证据。