Forage V2：自主智能体组织中的知识演化与迁移

在开放世界任务中运行的自主智能体——其完成边界事先未知——面临分母盲区：它们系统性地低估了目标空间的范围。Forage V1 通过共同演化评估（一个独立的评估器发现“完成”的含义）和方法隔离（评估器和规划器无法看到彼此的代码）解决了这个问题。V2 将架构从单次探索扩展为学习型组织：经验跨运行累积，跨模型能力迁移，并且制度保障防止知识退化。我们在三种任务类型（网络抓取、API 查询、数学推理）中展示了两个主张。知识累积：在六次运行中，知识条目从 0 增长到 54，并且随着领域理解的加深，分母估计趋于稳定。知识迁移：以较强智能体的知识为较弱智能体播种，将 6.6 个百分点的覆盖率差距缩小到 1.1 个百分点，成本减半（从 9.40 美元降至 5.13 美元），收敛轮数减半（平均 4.5 轮对 7.0 轮），并且三次独立的播种运行得出完全相同的分母估计 (266)，表明组织知识校准了评估本身。V2 的贡献是架构上的：它设计了制度——审计分离、契约协议、组织记忆——使得任何智能体在进入时都更加可靠。累积的经验是组织性的、模型无关的且可迁移的，以可读文档的形式存储，任何未来的智能体无论提供商或能力水平如何都可以继承。