一分钟读论文：《自进化智能体的陪练式高分陷阱》
内容提要
论文《Evolving Together, Failing Apart》指出，技能库与策略模型共进化的自进化智能体在技能库被改写后，最坏成功率比峰值低5-13个百分点，抹掉技能增益的52-93%；即使保持原义的改写也会显著掉分，本质是模型对特定技能库措辞过拟合。作者提出CODA评测协议，用一致性率与抗腐蚀率衡量智能体驾驭技能库漂移的能力，并建议生产团队将技能改写与污染变体纳入测试和回归。
延伸解读
峰值成绩不等于部署能力
论文揭示了一个容易被忽视的评测盲区：现有方法用训练时交付的技能库给智能体打分，模型与技能库形成“陪练关系”。但部署后技能库会因维护而漂移，频率远高于模型重训。六组设置中，不减干扰的成功率随训练上升，但十八个扰动轴与设置的组合里有十二个敏感度显著上升，说明模型越强越依赖陪练库。这提醒团队，训练峰值不能代表真实环境下的稳定表现。
语义不变也可能掉分
最值得警惕的是扰动类型：不改语义、只换措辞的保持原义改写，单项就在 ReSkill-ScienceWorld 上吃掉 10.9 分，而该设置峰值仅 50.3%。跨四种共进化方法、五个基准的统一结果显示，最坏成功率比交付峰值低 5-13 个百分点，抹掉技能增益的 52-93%。论文同时给出边界：漂移后最低成功率仍高于无技能基线，说明技能库仍有价值，失败本质是模型对特定措辞的过拟合。
把技能库当作与权重同级的维护面
论文对生产团队的操作含义有三点：发布测试必须包含技能改写与污染变体，而非只用训练交付库打分；技能修订节奏与模型重训节奏要显式对齐或解耦管理；把一致性率与抗腐蚀率纳入回归。站内《技能各自合规，组合就出事》研究过对抗性注入，这篇则证明无需攻击者，日常维护的自然漂移就足以让峰值大幅退坡。两份证据共同指向：技能库已成为与模型权重同级的维护面。
预印本结论的使用边界
该论文目前为预印本，PDF 页眉标注 Preprint. Under review.，且未声明代码开源，复现需自行实现扰动协议。因此，文中给出的具体掉分幅度和敏感度上升比例应视为该研究设置下的观察，而非普适常数。团队在参考其评测思路时，应结合自身技能库的更新频率和任务类型，先小范围验证扰动协议，再决定是否将一致性率与抗腐蚀率纳入正式回归。
Q&A
自进化智能体的技能库被改写后，成功率会下降多少？
最坏情况成功率比训练峰值低5-13个百分点，抹掉技能库增益的52-93%。
为什么技能库只换措辞、不改语义也会导致智能体掉分？
因为模型对特定技能库的措辞过拟合，即使保持原义的改写也会显著掉分，例如在ReSkill-ScienceWorld上单项掉10.9分。
CODA评测协议是什么？它用什么指标衡量智能体？
CODA是论文提出的评测协议，用一致性率（保持原义编辑下的成绩保持）和抗腐蚀率（对污染技能的抵抗力）两个指标替代单一峰值，衡量智能体驾驭技能库漂移的能力。
生产环境中使用技能库智能体的团队应该采取哪些措施？
发布测试必须包含技能改写与污染变体；技能修订节奏与模型重训节奏要显式对齐或解耦管理；把一致性率与抗腐蚀率纳入回归。
技能库漂移后，智能体的成功率还比无技能基线高吗？
是的，漂移后技能的最低成功率仍高于无技能基线，说明技能库并非失去价值，失败的本质是技能派生增益的丢失。
这篇论文的主要发现和贡献是什么？
论文发现技能库与策略模型共进化的自进化智能体在技能库被改写后性能大幅下降，本质是对措辞过拟合；提出CODA评测协议，并建议将技能改写与污染变体纳入测试和回归。
