ForkPilot：自我进化的策略，用于长期回顾性搜索智能体

交互式语言模型智能体越来越多地通过长期、多调用推理来解决复杂的任务，其中信念或行为的错误可能会在工具交互中复合。回顾性搜索可以从此类故障中恢复，但很容易出现错误分配。延迟的结果掩盖了中间搜索决策的贡献，导致归因复杂性，而不断发展的执行证据导致适应复杂性，以前学习的估计变得过时。为了应对这些挑战，我们首先引入搜索价值动态（SVD），它描述了回顾性搜索的收益和成本之间不断变化的权衡。在 SVD 的基础上，我们提出了 ForkPilot，一个自我进化的两阶段策略学习框架。在第一阶段，ForkPilot 通过自动构建的结果比较，从完整的轨迹中离线学习搜索值策略。在第二阶段，它根据当前观察做出搜索决策，然后通过将新完成的轨迹合并到后续的策略更新中来进行自我进化。我们通过 6 个不同的基准和 7 个广泛使用的LLM骨干模型系列（包括生产Agentic系统中的四个开源系列、GPT-5.6 Sol 和 Opus 4.8）来评估 ForkPilot，并对照 9 个竞争基准（包括数十万付费用户使用的真实Harness部署）。 ForkPilot 实现了可比的最先进性能，同时将token使用量减少了高达 59.2%，证明了其功效。