自进化代理会忘记吗：持续LLM代理适应中的能力退化与保持
人工智能
2026-05-12 v1 计算与语言
摘要
近期大语言模型代理的进展使系统能够自主细化工作流程、积累可重用技能、自训练底层模型并维持持久记忆。然而，我们展示此类自我进化往往是非单调的：适应新任务分布会在所有主要进化通道上逐渐降低先前获取的能力。我们将这一现象识别为“自进化下的能力侵蚀”，并表明其在工作流程、技能、模型和记忆进化的所有四个维度上均稳定出现。为缓解此问题，我们提出“能力保持进化”（CPE），这是一种通用的稳定化原则，通过约束持续适应期间的破坏性能力漂移来实现。我们在四个进化维度上均证明CPE在保持能力稳定性的同时，仍能保留适应性能。例如，在工作流程进化中，CPE在GPT-5.1优化下将保留简单任务性能提升至52.8%（原41.8%），同时实现更强的复杂任务适应。我们的发现表明，稳定的长期自进化代理不仅需要获取新能力，还需在持续适应期间显式保留先前学习的能力。
引用
@article{arxiv.2605.09315,
title = {Do Self-Evolving Agents Forget? Capability Degradation and Preservation in Lifelong LLM Agent Adaptation},
author = {Ye Yu and Xiaopeng Yuan and Haibo Jin and Heming Liu and Yaoning Yu and Haohan Wang},
journal= {arXiv preprint arXiv:2605.09315},
year = {2026}
}