Yunjue Agent：面向开放域的原位自进化智能体

在 AI Agent 的研究中，面对开放环境（Open-ended Environments），传统系统往往面临着“任务分布持续漂移”与“外部监督稀缺”的双重挑战。依赖静态工具库或离线训练的 Agent 难以适应动态变化的真实世界需求。

为此，我们提出了 Yunjue Agent。这是一篇关于 In-Situ Self-Evolution（原位自演化） 范式的技术报告。该系统能够在 Zero-Start（零起点）条件下，将离散的推理交互重构为连续的经验流，实现能力的实时“蒸馏”与复用。

本文将深入解析该论文的核心亮点、演化机制以及对未来 Agent 研究的展望。

核心亮点 (Highlights)

1. In-situ Self-evolving：推理即演化的新范式

Yunjue Agent 打破了传统“离线训练-在线部署”的静态边界。我们提出了一种**原位自演化（In-Situ Self-Evolving）**框架，针对 Open-ended 环境中任务分布持续漂移的问题，构建了一套无需 Ground Truth 的内部反馈循环机制。

• 实时性： 这种进化不是以“epoch”为单位，而是以单次 Query 为单位。系统在处理完第 $t$ 个问题后，立即利用这次的经验修改系统配置（$\mathcal{M}_{t}$），直接用于解决第 $t+1$ 个问题。
• 无监督演化： 系统不依赖外部标注数据。它将短期的推理执行反馈实时“蒸馏”为长期的可复用能力，实现对未知领域边界的持续探索与自适应迭代。

2. Zero-Start 下的 SOTA 性能

为了验证系统的极限能力，我们设定了严苛的 Tabula Rasa（白板/零起点） 实验环境：系统初始化为空工具库。

这意味着 Agent 必须完全依赖推理期间的生成、验证与归纳来构建能力。实验结果显示：

• 显著增益： 在五个基准测试中，Yunjue Agent 实现了相对于 Backend 模型（如 Gemini 3 Pro）的显著绝对能力增益。例如，在 DeepSearchQA 上提升了 +17.4%。
• HLE 世界第二： 在高难度的 Humanity's Last Exam (HLE) 基准上，我们的表现仅次于 OpenAI 的 GPT-5.2 Pro。
• 通用原语涌现： 分析显示，系统自发涌现出了高频调用的通用原语（如 search_web, evaluate_math_expression），证明了从零自举（Bootstrapping）构建跨域通用能力层的可行性。

3. 工具优先 (Tool-First) 的演化路径

在 Agent 的三大支柱——工作流 (Workflow)、记忆 (Memory)、工具 (Tool)——中，我们论证了工具演化在无监督场景下具有不可替代的第一性原理地位。

• 客观的二元反馈 (Binary Feedback)： 相比于 Memory 可能带来的幻觉或 Workflow 评估的主观性，工具执行提供了最宝贵的判别信号——代码要么运行成功，要么报错（Traceback）。这构成了客观的内部监督信号。
• 能力边界定义： 工具直接定义了 Agent “能做什么”。
• 避免策略偏差： 通过优先演化工具，我们避免了在早期将不可靠的经验固化为错误的记忆或流程。只有当工具库收敛后，才应当考虑基于此进行更高层级的摘要和 Workflow 优化。

4. Fully Reproducible：白箱化的研究基座

为了将“黑箱式 Agent 成果”转化为可追溯、可对比的公共研究资产，我们坚持完全开源与可复现：

• 全量 Artifacts： 我们开源了完整代码、所有 Benchmark 的运行脚本与评测对齐方式。
• 演化痕迹 (Traces)： 我们提供了每一步工具生成、修改、合并的版本化产物，以及全量的交互日志。
• 审计与研究： 研究者可以精确审计每次能力增长来自哪些工具、哪些失败被修复、哪些工具被淘汰，并据此开展如工具质量判别、收敛分析、演化效率等更细粒度的研究。

深度解析：原位自演化 vs. 普通自演化

为了更清晰地界定 Yunjue Agent 的技术定位，我们将 In-situ Self-evolving 与目前主流的 Self-evolving Agent 进行了对比：

未来工作 (Future Work)

虽然本研究验证了通过工具合成实现原位自演化的有效性，但这仅仅是通向更高级自主智能体的第一步。我们在论文中指出了几个关键的未来研究方向：

1. 范式转移：迈向 Agent 系统的系统级预训练

工具库清晰的收敛曲线表明，“解题能力”不仅是特设启发式方法的集合，更是一种可学习、可蒸馏的通用模式。 这预示着 Agent 系统即将迎来类似 LLM 的**“预训练 (Pre-training) + 后训练 (Post-training)”时代。我们设想未来的多智能体系统将在海量、宽谱的任务数据集上进行系统级预训练，在部署前蒸馏出一套收敛的“基础工具集 (Foundation Toolset)”**。这种预训练 Agent 将具备内在的泛化能力，通过组合现有可靠工具来解决下游新任务，从而最小化测试时演化的成本。

2. 记忆与工作流的协同演化 (Co-evolution)

目前的框架主要通过工具生成来验证自演化。然而，对于需要高度个性化（如个人助理）或复杂流程管理（如深度研究）的场景，仅有工具是不够的。 未来的关键方向是将演化机制扩展到记忆架构和工作流策略的协同演化，使系统能够随着功能能力的提升，同步调整其内部状态管理和执行逻辑。

3. 演化稳定性与正则化

由于 LLM 生成的随机性，工具集在不同实验运行中可能存在差异。确保工具库的一致收敛对系统可靠性至关重要。未来的工作将专注于开发正则化策略，以保证开放环境演化过程的确定性。

4. 并行 Batch 演化的优化

我们的 Batch Evolution 策略仍有优化空间：

• 课程学习效应： 研究最佳的 Query 排序，避免因过早处理困难任务而阻碍基础原语的形成。
• Batch 内多样性权衡： 平衡“低多样性带来的 Best-of-N 质量保证”与“高多样性带来的演化效率”。
• 自适应调度： 开发能根据收敛信号动态调整 Batch Size 的自主 Agent。

获取论文全文、代码及详细 Traces，请访问Github代码 。