EvoUndo：面向 LLM Agent 执行框架的可恢复性约束自进化

LLM 代理越来越多地在运行时修改它们自身的提示词、工具、中间件、资源和执行框架。这种自进化可以提升能力，但一次成功的变异可能会留下持久影响，而这些影响在与其创建时不同的状态下无法安全回滚。我们提出 EvoUndo，这是一个用于表示、合成、诊断并独立验证模型生成的自修改在反事实状态下可恢复性的框架。在 600 个未见的一次性自进化任务中，我们识别出 197 个提升能力但未通过可恢复性验证的变异。在原始恢复表示下，传统修复策略对这些自然失败的恢复率为 0/197。确定性 oracle 分析在原始恢复语言 L0 下恢复了 48/197，而扩展的恢复演算将经验 oracle 恢复率提高到 191/197。随后，一个协议锁定的 2x2 锚定-表达能力干预将两个瓶颈区分开来：当原始语言足够时，精确状态地址锚定将成功恢复率从 0/48 提高到 38/48（79.2%）；而扩展恢复语言则使 oracle 定义的 S1 层中的 142/143（99.3%）个失败得以恢复。在主要的 gpt-oss-120b 主干模型上，向更丰富的语言加入精确地址诊断后，恢复率降至 133/143（93.0%）；Qwen3.8-27B 复现实验保留了锚定和表达能力效应，但未出现这一负交互，表明后者因模型而异。这些结果表明，要实现可靠的 agent 自进化，需要协同设计验证、状态锚定、见证语义和恢复语言的表达能力，而不能仅依赖迭代式 prompting。