UC伯克利等新论文：Agent 自我进化提分 5.2 却丢掉 10 个原本会做的任务
rohanpaul_ai · x · 2026-11-09
UC Berkeley、中科大等机构的新论文研究了「harness 进化」——让 agent 在模型权重冻结的情况下自行改写提示词、技能、工具或代码以实现递归自我改进（RSI）。核心发现是平均分提升可能掩盖任务丢失、成本上升与泛化失败：
- 团队用 GPT-5.4 在 2 个 harness 和 2 个 benchmark 上跑了 4 种进化方法（含 GEPA、HyperAgents），每个进化后的 agent 对初始版本重测 8 次
- 全部 16 个进化 agent 都「有得有失」：一个可靠性提升 5.2 分，却丢掉了 10 个原本能完成的任务；11 个变得更可靠的 agent 中有 8 个单次运行成本上升
- 最高分的 agent 在四个任务池中都不是平均改进最大的；更严格的准入机制可能丢弃有用的备选方案；能力迁移有选择性——通用任务上覆盖率通常下降，编码任务在仅外层 harness 改动时反而上升
作者建议评估进化的 agent 时，除平均分外还应追踪「丢失的任务、单次运行成本、在未见任务上的表现」，并发布了配套诊断工具 EvoAudit，代码开源于 GitHub（simple-agent-lab/RSIHub）。
所属事件:研究称 Agent 自我进化提分实为拆东墙补西墙(3 条相关)→
「编程与Agent」频道最新
- 布朗大学 SwarmEvolve：450 个 Agent 潜空间通信，程序搜索快 5-13 倍 — aigclink · 2026-11-09
- 开发者开源无鉴权 MCP 旅行规划连接器,专治聊天机器人 hallucinate 餐厅 — Candid_Space · 2026-11-09
- 同一 prompt 驱动 Blender 建卡车:神秘模型 QoDuck 完胜 Qwen3.8 — Character-Apple-8471 · 2026-11-09
- fairplay 被破：发短信给 Claude 半小时就能给手机装上魔改 App — TheZachMueller · 2026-11-09
- 两个本地模型的 chat template 静默坑掉 agent 客户端,作者给出排查清单 — viest_me · 2026-11-09
- 首部 AI 歌剧《弗兰肯斯坦》:coding 介入全流程创作管线 — hq4ai · 2026-11-09