CODA技能漂移协议

阿里巴巴通义实验室等机构提出“协同进化陷阱”概念，指出当前自进化智能体在部署后若技能库发生漂移而模型未重训，性能将显著退化。为此，团队推出CODA（CO-evolution Drift Audit）评估协议，量化这一盲点。

研究发现，传统的“合作接受规则”使策略过度依赖训练时的特定技能库。实验显示，在四种主流方法及五个基准测试中，最坏情况下的成功率比峰值低5至13个百分点，抹去了相对于无技能基线52%至93%的性能增益。【背景】自进化智能体通常通过迭代优化策略与技能库来提升能力，但现有评估多基于静态交付的技能库，忽视了真实场景中技能频繁更新导致的分布偏移。

争议在于如何定义鲁棒性：一方认为应追求对任意技能演变的适应能力，另一方则探索如算子归纳等更严格的验证机制以避免漂移。CODA引入了“一致性率”和“抗腐蚀率”两个新指标，旨在建立共享的审计标准。未来需关注该方法是否被广泛采纳为行业标准，以及是否有新架构能从根本上解决策略与技能的耦合问题。