北航的工作 Mem2Evolve 发表于 ACL 2026，提出了一种全新的智能体自我进化范式，把“能力扩展”与“经验蒸馏”两个过程耦合起来，实现更稳定、更高效的持续进化。
背景
LLM 智能体已在各类应用中大获成功，研究者不再满足于静态、任务特定的系统，转而追求能自我进化的智能体。但现有框架往往把“能力扩展”与“经验蒸馏”这两个进化过程割裂处理。
-
Experience-Centric ：系统从过往任务中学习，优化执行策略、精炼提示词或构建经验库，但能力空间被锁定在预定义的固定工具集和专家智能体中，无法突破预设边界
-
Capability-Centric ：系统动态创建新工具或生成新的专家智能体，但新资产的创建缺乏经验指导，导致成功无法复制、错误反复出现，进化过程不稳定
受皮亚杰平衡理论（Piaget, 1972）启发，智能通过同化（整合新经验）与顺应（调整内部结构）相互作用而演化。本文提出的协同进化（Co-Evolution）范式 Mem2Evolve，让能力扩展产生更多经验、经验蒸馏又反过来指导后续扩展，从而形成能力与经验的协同进化。
方法
Mem2Evolve 是一个基于双记忆机制（Dual-Memory）的自我进化智能体框架，借助前向推理（Forward Inference）与反向进化（Backward Evolution）的循环，实现能力与经验的协同进化。
双记忆机制
Asset Memory 是可扩展的能力仓库，包含两个子库：Agent Bank 记录角色、专长、行为建议与可用工具集；Tool Bank 记录符合 MCP 标准的工具定义，保证跨 LLM 后端的互操作性。
-
Agent Bank ：每个条目 \(m_{agt} = \langle \rho, \epsilon, \sigma, \mathbb{T}_{avail} \rangle\)，包含角色、专长、行为建议和可用工具集
-
Tool Bank ：每个条目 \(m_{tool} = \langle n, d_{func}, c_{impl}, \omega_{doc} \rangle\)，符合 MCP（Model Context Protocol） 标准，确保跨 LLM 后端的互操作性
Experience Memory 存放从成功与失败中提炼出的可迁移经验，用来指导未来的任务执行与资产创建。
-
Agent Exp ：针对特定专家智能体的策略性洞察
-
Tool Exp ：从工具创建和调试过程中提炼的实现指南
前向推理
框架遵循“先复用、按需创建”的策略，分为三个阶段：任务规划把任务分解为子任务；资产招募决定复用现有资产还是创建新资产；执行阶段把子任务分配给招募到的专家智能体，在 ReAct 框架内完成 Think-Action-Observation 循环。
-
任务规划（Task Planning） ：LLM 作为规划器把任务 \(q_t\) 分解为子任务序列 \(\mathcal{S} = \{s_1, s_2, \ldots, s_k\}\)，每个子任务明确目标、输出格式和依赖关系
-
资产招募（Asset Recruitment） ：对每个子任务 \(s_i\)，通过招募函数 \(\Gamma(s_i)\) 决定使用现有资产还是创建新资产
\[\Gamma(s_i) = \begin{cases} m^* & \text{sim}(s_i, \mathcal{M}_A) \geq \delta \\ \text{Create}(s_i \mid \mathcal{M}_E, \text{Web}) & \text{otherwise} \end{cases} \]
* **招募路径** ：如果存在相似度超过阈值 \\(\delta\\)，直接复用最匹配的专家智能体（Top-1）或工具（Top-K）
* **创建路径** ：对于缺失的能力调用 **Create** 函数生成新资产，创建过程由经验记忆和 Web 搜索结果共同指导
- 执行（Execution） ：每个子任务分配给招募的专家智能体，注入从 \(\mathcal{E}_{agt}\) 检索到的角色特定经验，在 ReAct 框架内完成 Think-Action-Observation 循环
反向进化
任务完成后，反向进化负责保留高质量资产以便未来复用，并从执行轨迹中提炼可迁移的经验教训，可形式化为轨迹评估、资产记忆演化与经验记忆演化三步。
-
轨迹评估 ：使用 LLM-as-a-Judge 评估，评估结果为成功或失败以及相应的意见
-
资产记忆演化 ：通过自我修正循环确保新资产的质量，验证通过后加入 Asset Memory
\[m_{\text{final}} = \begin{cases} m_{\text{new}} & \text{if } r_t = 1 \land \text{Valid}(m_{\text{new}}, c_t) \\ \text{Improve}(m_{\text{new}}, c_t) & \text{otherwise} \end{cases} \]
* **Valid** ：让 LLM 根据批评意见合成测试用例，验证资产可靠性
* **Improve** ：基于批评和测试失败信息修正资产，重复直到通过验证
- 经验记忆演化 ：每次任务后，系统都会反思轨迹和轨迹评估以提取记忆项，如果轨迹成功则从成功轨迹中抽象高层指导原则（策略性建议、有效实现模式），如果轨迹失败则编码反模式和失败-修复对以防止类似错误，最后合并到 Experience Memory
工具创建的完整流程
Mem2Evolve 的工具创建采用三阶段策略来保证生成质量：先出形式化规格，再并行收集文档与历史经验，最后据此实现符合 MCP 标准、带健壮校验的可执行 Python 工具。
-
工具规格生成阶段 ：系统在编写实际代码前先输出一份形式化的规格说明，包括工具名称、描述、输入参数（名称、类型、描述及默认值）、输出格式，以及用自然语言分步描述的核心执行逻辑（如"Step 1: 验证输入合法性"）
-
文档与经验收集阶段 ：系统通过双重渠道为工具实现准备参考资料，一方面使用 Web 搜索工具检索 GitHub 上的开源实现和 Stack Overflow 的调试讨论，另一方面利用已生成的工具规格查询 Experience Memory 获取相关开发经验
-
工具实现阶段 ：系统基于规格说明和收集的参考资料生成符合 MCP（Model Context Protocol） 标准的可执行 Python 工具，要求包含完整导入、显式参数列表（不使用
**kwargs）、健壮的输入验证与错误处理，并遵循 PEP 8 规范，同时提供模块级的TOOL_CONFIG配置以确保跨 LLM 后端的互操作性
实验
所有实验以 GPT-5-chat 为骨干模型，结果上 Mem2Evolve 在各基准均拿到最好成绩。
在单任务自进化中，用少量初始记忆初始化后的系统明显优于无记忆设置；跨任务时，跨任务记忆初始化也稳定提升性能，且与 25% 单任务初始化效果相当，且未出现负迁移。
总结
Mem2Evolve 是一篇很标准的顶会工作，思想和实现都相当直接；相比现有只做单方面的方案，它的价值在于把两方面真正协同起来，而这背后最关键的是作者的科研 sense。
评论0