经留出选择递归自演化智能体

通过发展自然语言工件（例如反射、工作流程、剧本、备忘单或优化提示），LLM 代理在没有权重更新的情况下不断得到改进，这些工件以冻结策略为条件。这些方法通常被报告为在有帮助的单一基准测试中取得胜利。我们对它们进行逐一研究，并呈现出更清晰的画面。我们介绍 RSEA，一种递归自我进化代理，它具有紧凑的三层自然语言状态：命令式策略、可重用技能和程序剧本。跨越几代，RSEA 会根据自己的轨迹重写所有三层，并使用严格的 keep-better 门，仅在不相交的保留分裂上回归时才提交候选层。通过四个不同的基准（ALFWorld、GAIA、(τ)-bench 和 WebShop）以及六个可靠的基准（ReAct、Reflexion、GEPA、AWM、ACE 和 Dynamic Cheatsheet），所有这些都在一个共享的本地主干网上进行评估，我们发现了三个主要结果。首先，没有任何神器能够普遍获胜。 RSEA 是 ALFWorld 上最强的单遍方法，达到 69.3%，而 ReAct (McNemar (p=0.015)) 为 64.6%，重试后达到 79.4%，是最好的整体结果。然而，以AWM为代表的具体工作流程归纳最适合强骨干工具使用任务。其次，不受保护的上下文演化是高方差且不安全的。 Dynamic Cheatsheet 可以在没有门禁的情况下在线管理上下文，在 ALFWorld 上接近最佳，达到 70.7%，但在 WebShop 上却表现不佳，得分为 0.14，而 ReAct 的得分为 0.43。第三，RSEA 严格的保留选择使得递归自进化单调安全：它在任何基准上都不会明显低于基础代理，并且当进化的上下文受到损害时，它会退回到普通的 ReAct。