AgentStream：自演化 LLM 代理在串流任務中的效能評估
為何重要
這項研究實質上挑戰了「越大越強」的產業迷思，證明在串流環境中模型能力的門檻會限制自演化的效能，這讓開發者在選型推理模型時不能只看大小，還要考量其適應複雜流動任務的潛力。（- 對於 Agentic 工具 的設計而言，這揭示了架構與情境的協同重要性，優秀的工具鏈需要有相容不同串流模式的評估標準。（- 從投資角度來看，這意味著未來具備通用情境評估框架或解決非單調性問題的系統將更具戰略價值。）
現有自演化 LLM 代理的研究多採獨立評估，忽略了真實環境中多樣且複雜任務串流的適應性。最新的 AgentStream 框架將基準測試組織成可配置的任務串流，並設定 Isolated、Sequential 與 Interleaved 等情境。（- 目前研究在 3 種前沿基礎模型 上，對 5 種代表性自演化方法 進行了評估，結果顯示單一方法無法主宰所有情境。（- 研究發現自我演化的益處受模型能力閾值門控，且模型強度與收益呈 非單調 關係，建議在真實串流情境下進行評估。）