智能体自我改进不再靠贪心验收：TRUST把被接受的劣质更新比例从45.59%压到2.78%
智能体可以在不重训底层大模型的前提下改写自己的提示、记忆、工具与工作流，但此前常用的贪心验收只要验证分数变高就接受更新，容易把采样噪声当成真实进步。TRUST把逐轮验收改写为在线多重假设检验，用LLM结合历史上下文分配检验水平，并对验证样本复用做重叠校正。在HotpotQA、DROP、APPS与DeepSeek-V4-Flash、Qwen-3.8-Flash的六组设置中，平均被接受的劣质更新比例从贪心验收的45.59%降到2.78%，平均最大回撤从4.963个百分点降到0.047个百分点。