From Memory to Skills: Evidence-Grounded Co-Evolution Governance for Long-Horizon LLM Agents

论文解决了什么问题

现有LLM智能体记忆系统多将历史轨迹作为被动上下文检索，未能转化为可执行能力，导致重复推理与资源消耗。如何从噪声轨迹中提炼出可重用、可治理、可进化的技能，并实现跨任务与跨域的稳健迁移？

核心方法

MSCE构建三级记忆：L1存储步骤级证据，L2归纳程序化策略，L3抽象环境知识。具备正增益且稳定的L2策略经证据锚定、验证规则和决策指导后结晶为可调用技能。反射加权价值回填利用步骤自我反思的局部信息性，将终端反馈传播至每个步骤，产生校准的轨迹值，驱动记忆检索、策略归纳和技能生命周期管理。

与直接蒸馏轨迹的技能方法（如SkillFlow、EvoSkill）不同，MSCE插入中间证据保留记忆层，确保技能有据可查、可修订，并引入反射加权价值回填区分步骤贡献。与同时期工作MemSkill和ProcMEM将记忆操作视为技能或混合记忆池不同，MSCE分离记忆层次与技能库，通过证据锚点和价值信号实现可治理的协同进化。

实验结论

• MSCE在EvoAgentBench五个领域中均取得最高或并列最高Pass@1。
• 相比最强非MSCE基线，在IR提升4.61，Math提升4.00，SE提升15.39，KW提升5.17，Code持平但成本降低。
• 跨域迁移实验六对迁移均提升Pass@1，平均+3.93点。
• 消融实验中，去除任何组件均导致性能下降。
• 在LoCoMo上总体判断分数和F1领先。

局限性与证据边界

适合谁阅读