论文: Certified Long-Horizon Code Agent Evolution via Validation-Gated Skill Optimization作者: Yifan Wang (Purdue), Hao Cheng, Xiaomin Li, Yuexing Hao, Qianhui Wu, Wenlin Yao, Andrzej Banburski-Fahey, Baolin Peng, Jaron Lanier, Jianfeng Gao (Microsoft) 等 17 人机构: Purdue / UW / UC Davis / NYU / Cambridge / Microsoft ResearcharXiv: 2609.32990v1 [cs.AI], 2026-09-26一句话: 给 Agent 的"自我进化"装一道验证闸门（VALVE）——技能只有先通过留存任务对的 A/B 实测、拿到正边际收益才准入记忆库，从而在 1000+ 任务的演化长跑中把回撤砍掉 75%、把技能库压缩 11 倍，还附带了完整收敛性证明与"验收集要多大"的理论配方。看代码 Agent 自我进化，就像看视频编码器跑长 GOP：头几帧惊艳，跑着跑着参考帧全污染了，画质一路漂移。VALVE 做的事情本质上就是"参考帧管理"——不合格的帧，一律不许进 DPB。1. 介绍先说这篇文章解决的核心问题：权重冻结的 LLM Agent，能不能在长程部署中通过积累文本经验持续变强，而不是越跑越废？ 
长河君 · 2026/10/1 8:27:47 · 阅读 1.2k VALVE：给 Agent 自我进化装一道“验收闸门“——从 1000 任务长跑到 75% 回撤削减
论文: Certified Long-Horizon Code Agent Evolution via Validation-Gated Skill Optimization作者: Yifan Wang (Purdue), Hao Cheng, Xiaomin Li, Yuexing Hao, Qianhui Wu, Wenlin Yao, Andrzej Banburski-Fahey, Baolin Peng, Jaron Lanier, Jianfeng Gao (Microsoft) 等 17 人机构: Purdue / UW / UC Davis / NYU / Cambridge / Microsoft ResearcharXiv: 2609.32990v1 [cs.AI], 2026-09-26一句话: 给 Agent 的"自我进化"装一道验证闸门（VALVE）——技能只有先通过留存任务对的 A/B 实测、拿到正边际收益才准入记忆库，从而在 1000+ 任务的演化长跑中把回撤砍掉 75%、把技能库压缩 11 倍，还附带了完整收敛性证明与"验收集要多大"的理论配方。看代码 Agent 自我进化，就像看视频编码器跑长 GOP：头几帧惊艳，跑着跑着参考帧全污染了，画质一路漂移。VALVE 做的事情本质上就是"参考帧管理"——不合格的帧，一律不许进 DPB。1. 介绍先说这篇文章解决的核心问题：权重冻结的 LLM Agent，能不能在长程部署中通过积累文本经验持续变强，而不是越跑越废？