AgentEvolver: System-Wide Self-Evolution Through Task Execution
作者: Wentao Zhang, Fuchao Yang, Yilei Zhao, Xinrun Wang, Bo An
分类: cs.AI
发布日期: 2026-10-08
💡 一句话要点
提出AgentEvolver以实现任务执行中的系统自我演化
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 智能代理 能力演化 任务执行 系统设计 可重用能力 版本控制 自动化
📋 核心要点
- 现有方法无法有效将任务执行经验转化为可重用的能力，导致能力积累不足。
- AgentEvolver通过在任务执行中开发能力，保持基础模型不变，连接变化组件与评估。
- 实验结果显示，AgentEvolver在六个应用案例中实现了82.08%的解决率，显著高于无演化的基线。
📝 摘要（中文）
代理可以完成任务而不改善其工作方式。将任务经验转化为可重用能力需要将变化的组件与其评估和后续使用连接起来。我们提出了AgentEvolver，一个在任务执行过程中开发能力的系统，同时保持基础模型不变。八个实体家族通过一个共同的版本生命周期暴露可重用操作、方法、代理、控制流、接口和支持状态。共享运行时协调正在进行的工作，而持久规划和可恢复上下文则保持任务方向和支持证据。我们在SWE-bench Pro Public上评估任务结果，并在六个应用案例中检查能力变化。团队报告了82.08%的解决率，超过了没有演化的基线。案例显示保留的能力进入后续的网站、游戏和研究工作，同时记录了未完成的目标和不成功的策略。这些发现区分了可重用组件的改进与最终任务的成功。
🔬 方法详解
问题定义：本论文旨在解决代理在任务执行中无法有效积累和重用能力的问题。现有方法缺乏将任务经验转化为可重用能力的机制，导致能力的持续性和有效性不足。
核心思路：论文提出的核心思路是AgentEvolver系统，通过在任务执行过程中开发能力，保持基础模型不变，并将变化的组件与其评估和后续使用连接起来，从而实现能力的积累与重用。
技术框架：AgentEvolver的整体架构包括八个实体家族，这些家族通过一个共同的版本生命周期暴露可重用的操作、方法、代理、控制流、接口和支持状态。共享运行时模块负责协调正在进行的工作，而持久规划和可恢复上下文模块则确保任务方向和支持证据的保存。
关键创新：最重要的技术创新点在于通过版本化的生命周期管理能力的演化，使得代理能够在不改变基础模型的情况下，持续积累和优化其执行能力。这一方法与现有的静态模型训练方法本质上不同。
关键设计：在设计中，AgentEvolver采用了版本控制机制来管理能力的演化，确保每个组件的变化都可以被追踪和评估。同时，系统设计了持久的上下文管理，以便在任务执行过程中保持信息的连贯性和可追溯性。具体的参数设置和损失函数设计尚未详细披露。
🖼️ 关键图片
📊 实验亮点
实验结果显示，AgentEvolver在六个应用案例中实现了82.08%的解决率，显著高于未使用演化的基线。这一提升表明，系统有效地促进了能力的积累和重用，展示了其在实际应用中的潜力。
🎯 应用场景
AgentEvolver的研究成果在多个领域具有潜在应用价值，包括智能代理、自动化任务执行和人机协作等。通过有效的能力积累和重用，该系统能够提升智能体在复杂任务中的表现，促进更高效的工作流程和决策支持。未来，AgentEvolver可能会在机器人、游戏开发和在线服务等领域产生深远影响。
📄 摘要（原文）
An agent can complete a task without improving how it works. Turning task experience into reusable capability requires connecting the changed component to its evaluation and subsequent use. We present AgentEvolver, a system for developing capabilities during task execution while keeping the foundation model fixed. Eight entity families expose reusable operations, methods, agents, control flow, interfaces, and supporting state to revision through a common versioned lifecycle. A shared Runtime coordinates ongoing work, while persistent planning and recoverable context preserve task direction and supporting evidence. We evaluate task outcomes on SWE-bench Pro Public and examine capability changes in six application cases. The team reports an 82.08\% resolution rate with evolution, exceeding its reported baseline without evolution. The cases show retained capabilities entering later website, game, and research work, while also documenting incomplete objectives and an unsuccessful strategy. These findings distinguish improvement in a reusable component from success on the final task. AgentEvolver provides a concrete basis for studying capability accumulation through execution; independent-task transfer and total development cost remain open questions.