Δτ-Bench：在持续演化的工具生态中评测 Agent 适应能力
🧭 Agent 工具生态演化评测与技能管理 ★ 深度解读
Zhejiang University · University College London
构建可执行演化工具生态基准，并提出 STEWARD 联合维护工具与技能以跟上能力前沿
📌 工作参考价值（4 点）
- 把内部工具/API 生态当作“会演化的能力前沿”：记录 skill-tool 依赖，工具下线只标记 inactive、不删除；接口恢复时可快速 reactivate，适合推荐 Agent 频繁调用商品、促销、广告接口的场景。
- 增量技能维护优于全量重建或冻结：从成功轨迹只做局部编辑，维护 token 省 30-40%，且 SR 更高；业务里不要每次接口变更都全量重蒸馏 SOP。
- 执行时动态 provision tools+skills，而不是一开始灌全量工具列表：先按初步计划给一个小工具集，出现能力缺口再检索和检查 schema，能提高 tool precision/F1，降低长上下文分心。
- 监控 Agent 不能只看任务成功，要看相对当前版本最优路径的路径效率 SPE/IDR/DAR：只看成功会掩盖“旧流程仍能跑通但错过更优路径”的退化。
Darwin-Claw：环境自适应经验固化驱动的递归自进化智能体
🧭 Agent 自进化经验固化与技能管理 ★ 深度解读
Zhejiang University · Tencent · Zhongguancun Academy
提出 Darwin-Claw，将交互失败归因为结构化经验单元并外置到技能槽位，驱动递归自进化，在 WildClawBench 上平均得分提升 24.1%
📌 工作参考价值（4 点）
- 把用户/环境特定经验固化为结构化 Experience Unit（trigger conditions、keywords、handling strategies），并注入 SKILL.md 作为 inline patch；可直接用于电商导购 Agent、客服 Agent，将高频失败 case 沉淀为情境级补救策略，而不是每次从原始轨迹重放。
- 通过槽位限制与生命周期状态机（Nursery probation → Active → evict/archive）管理外部技能，防止 prompt 信息过载；搜索/推荐 Agent 可以用同样机制管理候选策略、query 模板或召回规则，保持上下文复杂度可控。
- 采用两阶段 LLM 做 causal attribution 加多维评分（coverage/effect/efficiency，S=w1e+w2c+w3η），避免把偶然成功固化进策略；在广告文案、push 选词等自动优化场景中，可用来评估一次改写的真实增量贡献。
- 经验外置化而不是微调模型参数，兼容 OpenClaw、Claude Code、Codex 等主流 harness，并支持多用户技能生态集体进化；适合在推荐对话系统上做轻量、可回滚的持续优化，不触碰底座模型。