EvoArena：追蹤記憶演化以增強動態環境下LLM智能體的魯棒性

大型語言模型智能體在靜態基準測試中表現優異，但現實世界部署面臨環境動態變化的挑戰。本文提出EvoArena基準套件，透過在終端、軟體和社交領域模擬漸進式環境更新，填補了這一評估空白。同時，作者提出EvoMem，一種基於修補記憶的範式，將記憶演化記錄為結構化更新歷史，使智能體能透過記憶變化推理環境演化。實驗顯示，當前智能體在EvoArena上平均準確率僅為39.6%，而EvoMem使其平均提升1.5%，並在GAIA和LoCoMo等標準基準上分別提升6.1%和4.8%。此外，EvoMem在需要連續完成相關子任務的鏈級任務中準確率提升3.7%。機制分析表明，EvoMem增強了記憶中的證據捕獲能力，更好地保留了完整的环境狀態，為可靠智能體部署提供了重要參考。