《水面之下》：靠改外壳做「自我进化」的智能体，分数涨了也会丢掉原来能做的任务，16 个进化体无一例外

改进了什么：不改权重、只让智能体外壳自己迭代，被视为递归自我改进的一条路，这篇论文专门检查「分数变高」是否等于可靠、划算、能迁移的进步。怎么做的：对四种外壳进化方法在通用任务和编码任务上做重复评测、受控扩展、组件干预和准入回放。发现：16 个进化后的智能体全部是一边拿下新任务、一边丢掉原来会做的任务；有一例可靠性涨了 5.2 分却丢了 10 个原有任务；多数可靠性提升同时推高部署成本；最高分的智能体在四组里都不是平均提升最大的；迁移到通用任务时覆盖率通常下降。作者据此提出 EvoAudit，把这些诊断变成对选择、分析、变异、准入四步的修订。对在企业里做「智能体自动调优」的团队，这是一份提醒：上线前要测有没有退化，而不只看总分。