When Self-Evolution Backfires: Pre-Commit Gating against Skill Contamination in LLM Agents

论文解决了什么问题

自我进化的代理通过蒸馏执行轨迹积累技能，但这一过程并非单调递增。当技能池超过临界规模时，新加入的技能不仅无法提升能力，反而会引发技能污染并导致整体性能下降。本文旨在解决这一能力退化问题，探索如何保障代理的安全进化。

核心方法

论文提出了一种提交前门控机制，用于防止技能污染。该机制在新技能正式写入技能池并进行持久更新之前，通过回归验证等拦截手段进行严格评估。这确保了只有安全且有益的技能才能被纳入代理的执行链路。

实验结论

• 自我进化代理的技能积累过程并非单调递增，超过临界池大小后新技能会降低性能。
• 提交前门控机制能够在新技能写入前进行拦截，防止技能污染。
• 技能积累过程非单调递增，超过临界池大小后新技能会降低性能
• 提交前门控机制可拦截污染技能，保障安全进化

局限性与证据边界

适合谁阅读