# 证伪门控自进化

长期运行的LLM智能体常把每个回合总结出的经验直接写进记忆，但局部成功并不等于可复用、安全的知识。FGSE把每条候选经验写成带前置条件、行为改变、预期效果和验证器的结构化假设，先在临时状态里做目标迁移、证伪和归档回归三类探针测试，再决定提交、收窄或拒绝。在WebArena、AppWorld与τ-bench等验证器可用的基准上，以DeepSeek-V3.1为骨干的FGSE取得39.8的WebArena成功率、78.8的AppWorld平均完成度，并把证伪失败率、回归损伤和有害提交更新分别压到5.0%、1.3%和3.6%。

长期运行的LLM智能体常把每个回合总结出的经验直接写进记忆，但局部成功并不等于可复用、安全的知识。FGSE把每条候选经验写成带前置条件、行为改变、预期效果和验证器的结构化假设，先在临时状态里做目标迁移、证伪和归档回归三类探针测试，再决定提交、收窄或拒绝。在WebArena、AppWorld与τ-bench等验证器可用的基准上，以DeepSeek-V3.1为骨干的FGSE取得39.8的WebArena成功率、78.8的AppWorld平均完成度，并把证伪失败率、回归损伤和有害提交更新分别压到5.0%、1.3%和3.6%。