PILOT在环：长时程智能体的实时自我改进

长时程智能体运行产生的经验既能改进当前运行，也能改进未来的工作。大多数自我改进方法只在执行结束后处理这些经验，因此无法重新引导正在进行的运行，也无法立即应用并验证从中学到的教训。我们认为自我改进应当是实时的：利用正在产生的经验既重新引导当前运行，也更新持久的harness。现有智能体架构并不能完全支持这一目标。单智能体自我校正把任务执行与轨迹评估放在同一上下文中，而子智能体委托虽分离了执行，却通常无法重新引导正在运行的子智能体。我们提出PILOT，一个用于实时自我改进的监督者-工作者harness，通过两个耦合机制实现：（1）实时转向，让独立的监督者在执行期间重新引导或中止当前工作者；（2）实时自我演化，把执行期间显现的程序和失败模式蒸馏为可复用的技能和记忆。在两个冻结骨干和三个基准上，PILOT在六个配置中的五个排名第一。在Terminal-Bench 2.0上，PILOT比对照harness最多高出9.8个百分点。在自我改进设置下，PILOT在GLM-5.1上提升14.6分，在Kimi-K2.6上提升12.4分；平均输出token分别下降42.9%和47.4%，而每百万输出token的成功评估数分别上升110.3%和134.0%。