Live-Evo：基于持续反馈的智能体记忆在线演化

大语言模型（LLM）智能体日益配备记忆机制，以存储经验并提供可复用的指导，从而提升任务求解性能。现有自演化系统多基于静态训练/测试划分，难以应对真实分布偏移和持续反馈场景。本文提出Live-Evo——一种在线自演化记忆系统，通过“经验库”与“元指导库”解耦“发生了什么”与“如何使用”，为每个任务动态生成适应性指导。系统根据反馈在线调整经验权重：有效经验被强化并频繁检索，误导或过时经验则被降权并逐渐遗忘，模拟人类记忆的强化与衰减机制。在为期10周的Prophet Arena在线基准上，Live-Evo将Brier评分提升20.8%，市场回报提高12.9%，并在深度研究任务中持续优于强基线。