虚假前沿：自进化搜索智能体中协同作弊的诊断与缓解
🧭 自进化搜索智能体 · 交叉拟合反馈 ★ 深度解读
Rutgers University · University of California, San Diego · University of Michigan · McGill University · King Fahd University of Petroleum and Minerals
诊断自进化搜索智能体中 proposer 与 solver 共享错误导致的协同作弊，提出 CrossFit 源级交叉反馈，错误一致率减半且下游平均提升 8.8/8.4 点。
📌 工作参考价值（4 点）
- 自进化/自训练闭环中，内部 feedback 上升不代表外部正确性提升。建议引入独立审计（如用更强 LLM 或外部证据），监控 false agreement，防止 proposer 与 evaluator 共谋。
- 优先做 feedback 数据来源隔离（CrossFit 式 source-level split），而不是简单多数表决：将样本按来源/文档/商品类目分成两组，用互补组训练的评估模型打分。这一思路可直接迁移到电商 query 生成、push 文案选择等场景。
- 工程实现上，保留 pseudo-label 或生成 query 的 source ID，确保评估模型训练历史可查询；切断同源闭环，避免同一来源的错误被评估模型复用。
- 若资源有限，优先投入 source-exclusion，而非增加采样次数做 MSV：MSV 单独只提升 0.7-0.8 点，计算开销却增加约 90%；CrossFit 在计算增加 36%-40% 下带来 8-9 点下游提升。
AgentStream：流式任务中自进化LLM代理的表现评估
🧭 自进化Agent在流式任务下的评估框架与发现
University of Chinese Academy of Sciences · Microsoft · Institute of Automation, Chinese Academy of Sciences · Nanjing University
提出在流式任务流下评估自进化LLM代理的框架，揭示能力、方法与场景的交互规律
📌 工作参考价值（4 点）
- 电商/搜索推荐的Agent（如对话式导购、广告策略优化）常面临持续变化的任务流，应使用类似AgentStream的流式评估替代单任务评估，以更准确地预测线上效果。
- 自进化的收益存在模型能力阈值：基础模型较弱时，自进化可能无效甚至有害。在业务中引入自进化前，需确保基座模型能力达到一定水平。
- 没有一种自进化方法在所有场景和模型上都最优，建议针对不同业务场景（如搜索Query意图分类、多轮对话推荐）进行组合测试，选择适合的方法。
- 工程设计上，可借鉴AgentStream的任务流配置思路，构建可灵活组合的模拟任务流，用于持续集成评测自进化Agent的稳定性与泛化能力。
自进化 LLM 智能体与分布内优化
🧭 LLM Agent 自进化训练 · 离线强化学习 ★ 深度解读
Eindhoven University of Technology · University of Liverpool · MIT-IBM Watson AI Lab
提出 Q-Evolve，通过混合离线数据的加权 IQL 与 GAE 自动生成过程奖励，结合行为近端策略优化实现 LLM 智能体的稳定自进化
📌 工作参考价值（4 点）
- 在电商客服 / 导购等长程对话 Agent 中，可采用混合离线数据（专家对话 + 自身探索记录）训练价值函数，通过 GAE 从稀疏成功信号自动生成步骤级奖励，省去人工标注过程标签。
- 借鉴加权 IQL 技巧：对成功轨迹、更靠近终端步的样本赋予更高权重，能有效稳定稀疏奖励下的价值学习，可迁移至点击率预估延迟转化等类似信用分配问题。
- 使用行为近端策略优化（BPPO）结合非对称裁剪（对负优势动作允许更大抑制），可在离线数据上安全地优化策略，防止灾难性遗忘和分布偏移，适用于线上策略迭代。
- 自进化循环模式（收集新经验 → 与专家数据混合 → 重新训练价值网络 → 重新计算奖励 → 更新策略）可应用于推荐系统的用户建模迭代，让模型在有限探索成本下持续提升。