EvoArena与EvoMem：让LLM智能体在动态环境中保持稳健的新方法

本文介绍了EvoArena基准测试套件与EvoMem记忆范式，旨在解决LLM智能体在动态变化环境中的稳健性问题。EvoArena模拟真实世界的环境演化（如终端命令、软件API、社交偏好变化），而EvoMem通过补丁式记忆结构追踪环境变化，保留演化历史。实验显示两者能有效提升智能体在动态及静态环境中的表现。

现有LLM智能体在静态基准中表现优异，但真实世界环境具有动态性（软件版本更新、API接口变化、社交偏好演进）。当前评估方法忽略环境演化影响，导致依赖静态记忆的智能体在实际部署中易失效，尤其在长期运行场景中问题突出。

EvoArena是针对动态环境设计的基准测试套件，包含三大核心领域：终端环境（命令行语法演进）、软件环境（API/界面变化）、社交偏好环境（用户偏好调整）。其"链式任务"设计要求智能体完成一系列依赖的演化子任务。实验显示主流智能体在EvoArena上平均准确率仅39.6%，暴露了现有方法的不足。

EvoMem采用补丁式记忆结构，不直接覆盖旧记忆，而是记录环境变化的补丁。核心机制包括：记忆版本控制（借鉴软件版本管理）、差异编码（高效存储版本差异）、选择性检索（按需获取历史记忆）。这使智能体可追溯环境演化历程、推理变化影响、保留完整证据。

在EvoArena测试中，EvoMem带来显著提升：整体性能提高1.5%，链式任务准确率提升3.7%。在静态基准中也表现出色：GAIA基准提升6.1%，LoCoMo基准提升4.8%。机制分析表明，EvoMem改善了证据捕获、状态完整性及推理链条。

该研究对智能体部署的启示：需将动态环境测试纳入评估、重新设计记忆架构（引入版本控制）、采用持续学习策略。未来方向包括扩展EvoArena至多模态场景、结合元学习加速适应、研究人机协作引导演化。