自进化反噬：LLM智能体中防止技能污染的预承诺门控

自进化LLM智能体通过从执行轨迹中提炼可复用技能累积能力，但研究发现该过程并非单调：当技能池超过临界规模后，新增技能反而降低性能。技能缺陷会沿跨轮次链污染后续提炼，且结构性不可逆，事后回滚仅能恢复少量性能。为此提出Verifier-as-Gatekeeper（VaG）机制，通过三个异构评判者过滤技能并做边际增益子集选择，在Terminal-Bench 2上以约五分之一大小的技能池达到72% pass@1，优于无条件累积。

此前普遍认为自进化智能体技能累积越多越强，本研究发现存在临界点，新增技能可能损害性能，且污染不可逆。这改变了技能管理思路，从事后回滚转向事前预防，对智能体设计有重要指导意义。

一旦缺陷技能进入决策上下文，就会成为后续技能提炼的参考材料，形成跨轮次污染链；去除源技能无法消除后代已继承的错误推理，导致结构性不可逆。VaG通过多角度过滤和子集选择，在技能进入运行前拦截污染。

智能体开发者需重新评估技能累积策略，避免无限制增加技能。VaG机制可减少技能池规模，提升性能，但新增三个评判者可能增加计算开销。开发中需在技能多样性与污染风险间权衡。

• 在自进化智能体平台中集成VaG过滤层，提升长期稳定性。
• 开发技能质量评估工具，动态监控技能池规模与性能相关性。
• 为技能池管理提供预提交审查功能，防止缺陷技能进入。
• 利用边际增益选择算法，自动精简技能池以提升效率。

• VaG在除Terminal-Bench 2外的任务上表现如何？
• 临界池大小是否因任务类型而异？
• VaG的额外计算开销具体多大？
• 是否能在真实生产环境中复现类似污染现象？