EDV：Execute-Distill-Verify 框架 — 浙大大模型智能体进化新路径¶
Ch01.1559 EDV：Execute-Distill-Verify 框架 — 浙大大模型智能体进化新路径¶
📊 Level ⭐⭐⭐ | 4.8KB |
entities/edv-execute-distill-verify-agent-self-evolution-zju.md
EDV：Execute-Distill-Verify 框架 — 浙大大模型智能体进化新路径¶
浙江大学联合清华大学、西北工业大学、中国科学技术大学和上海交通大学发布 EDV（Execute-Distill-Verify）框架，通过多智能体分工协作打破单智能体自我确认陷阱，实现大模型智能体的可靠自我进化。
核心问题：自我确认陷阱¶
大多数智能体经验学习遵循"单智能体闭环"模式：同一智能体既执行任务，也复盘结果。在开放世界、长周期任务中，这触发致命失效模式——自我确认陷阱（Self-Confirmation Trap）：逻辑自洽但实际错误的行动轨迹很难被执行者自我察觉，反而被判定为"成功经验"写入记忆，导致错误被反复放大、持续累积。
EDV 框架：三阶段协同¶
EDV 全称为 Execute-Distill-Verify，三阶段环环相扣，复刻了人类社会从个体实践到群体共识的认知沉淀过程。
1. Execute 执行阶段：异构并行探索¶
搭建异构智能体池，每个智能体对应不同的基础模型和提示策略。每处理一个任务时，系统随机抽取多个智能体组成执行组，让它们独立与环境交互、并行生成各自行动轨迹。核心价值是用异构性带来视角多样性。
2. Distill 蒸馏阶段：第三方对比提炼¶
不让执行者自己总结经验，而是指派独立的蒸馏智能体扮演"中立复盘者"角色。蒸馏智能体横向对比所有执行轨迹，聚焦不同轨迹的差异点，提炼出"场景-风险-行动"结构化逻辑的候选经验。
3. Verify 验证阶段：共识表决机制¶
候选经验需经过最严格的共识验证关卡。验证组由参与执行的所有智能体组成，采用默认拒绝策略： - 全体一致通过 → 写入共享记忆库，所有智能体可复用 - 部分认可 → 写入对应智能体的私有记忆库，仅自身可用 - 未通过 → 直接丢弃，绝不进入记忆系统
推理阶段配套设计¶
能力矩阵¶
持续记录不同智能体在各类任务上的表现，新任务到来时匹配最擅长处理的智能体。数据完全来自蒸馏阶段的统计结果，零额外开销。
双层记忆体系¶
- 新任务先检索共享记忆库，调取通用可靠的共识经验（检索率 72.3%）
- 不足时再检索当前执行者的私有记忆库，补充个性化适配经验
实验验证¶
在三个主流长周期智能体基准测试上验证：
- τ²-bench：平均 Pass@1 达 86.6，比强基线 Router 高出 3.1 个点
- Mind2Web：跨任务、跨网站、跨领域三种泛化设置下保持领先
- MMTB：整体得分达 58.10，超越所有对比方法
记忆质量提升¶
人工评测（5 分制）显示： - 事实正确性从 3.72 → 4.41 - 可执行性从 3.58 → 4.32 - 内容特异性从 3.64 → 4.27 - 幻觉/噪声从 1.21 → 0.63 - 复用潜在危害从 1.08 → 0.51
关键发现¶
- 注入 10%"错误但自洽"经验使基线 Pass@1 从 82.5 暴跌至 77.2，证明错误记忆破坏性
- 消融实验证实优势来自异构执行、对比蒸馏、共识验证三者的协同效应
- EDV 还能降低 24.5% 推理 token 消耗
深层启示¶
EDV 提出核心判断：健壮的智能体进化不取决于积累了多少经验，而取决于在经验进入记忆前是否经过了可靠的构建与检验。将多智能体协作从"协作解题"延伸到"协作进化"。
关联¶
- 相关概念: Harness Engineering