arXiv · cs.AI· Xutao Mao, Liangjie Zhao, Xiang Zheng, Cong Wang·· 1 天前
Self-Improving LLM Agents的技能误演化风险研究与SafeEvolve缓解方法
Practice Makes Unsafe: Skill Misevolution in Self-Improving LLM Agents
arXiv:2608.12851v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Xutao Mao, Liangjie Zhao, Xiang Zheng, Cong Wang
研究任务与主要进展
研究者提出SkillMisevol-Gym和SkillMisevo-Bench，用于研究LLM Agent技能演化如何保留并再次执行不安全流程；在525个任务、25个episode和21种Agent与演化方法组合中，所有组合都写入了不安全技能，15种组合将伤害带入新会话。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org