EvoSkill v2
一种通过有状态进化器在运行时重写智能体技能指令的方法/系统，采用三智能体架构（基准适配器、求解器、进化器），不改变基座模型与运行框架。
时间轴 (近 90 天)
EvoSkill v2 是一个三智能体系统，包含基准适配器、求解器和进化器三个角色。
EvoSkill v2 在 SpreadsheetBench v2 基准上，将留出集通过率相比较强的基线高出 7.7 个百分点。
EvoSkill v2 在 τ³-bench banking 基准上，将留出集通过率相比较强的基线高出 5.4 个百分点。
EvoSkill v2 的进化器被实现为一个贯穿整轮运行的有状态编码智能体，配备 bash 工具持续工作。
EvoSkill v2 优化的是技能文本（指令），而非模型权重或运行框架。
在 τ³-bench banking 实验中，当 Claude Haiku 5.5 同时驱动求解器和进化器时，技能提升幅度最高达到 21.5 个百分点。
EvoSkill v2 的进化器每获得一个百分点的留出集通过率提升，所花费的成本都低于 SkillOpt 和 SkillBoost 的优化器。
EvoSkill v2 系统接受每个 epoch 产出的技能，而不是基于带噪声的分数在多个候选间做选择。
EvoSkill v2 的效果依赖可靠的评分器和基准适配环节，技能进化的上限受限于评分信号的质量。
全部知识事实 (9)
EvoSkill v2 是一个三智能体系统，包含基准适配器、求解器和进化器三个角色。
50%待验证EvoSkill v2 在 SpreadsheetBench v2 基准上，将留出集通过率相比较强的基线高出 7.7 个百分点。
50%待验证EvoSkill v2 在 τ³-bench banking 基准上，将留出集通过率相比较强的基线高出 5.4 个百分点。
50%待验证EvoSkill v2 的进化器被实现为一个贯穿整轮运行的有状态编码智能体，配备 bash 工具持续工作。
50%待验证EvoSkill v2 优化的是技能文本（指令），而非模型权重或运行框架。
50%待验证在 τ³-bench banking 实验中，当 Claude Haiku 5.5 同时驱动求解器和进化器时，技能提升幅度最高达到 21.5 个百分点。
50%待验证EvoSkill v2 的进化器每获得一个百分点的留出集通过率提升，所花费的成本都低于 SkillOpt 和 SkillBoost 的优化器。
50%待验证EvoSkill v2 系统接受每个 epoch 产出的技能，而不是基于带噪声的分数在多个候选间做选择。
50%待验证EvoSkill v2 的效果依赖可靠的评分器和基准适配环节，技能进化的上限受限于评分信号的质量。
50%