擺脫自我強化陷阱：透過 EDV 執行-蒸餾-驗證框架實現可靠的大型語言模型代理經驗學習

針對 LLM 代理在經驗學習中易陷入「自我確認陷阱」的問題，提出 EDV 框架，透過異質代理協作執行、第三方蒸餾與共識驗證，大幅提升代理在複雜任務中的進化穩定性。

Problem

目前的大型語言模型（LLM）代理主要依賴單一循環進行自我演化，容易將錯誤但看似一致的執行過程誤認為成功經驗。這種「自我確認陷阱」（Self-Confirmation Trap）會導致錯誤資訊在記憶檢索與複用過程中不斷累積，嚴重阻礙代理在開放世界中的長期可靠性。

Method

提出名為 EDV 的執行-蒸餾-驗證框架，將經驗學習解耦為三個階段：首先，由多個異質代理平行執行（Execute）任務以產生多樣化軌跡；接著，由獨立的第三方代理進行比較式蒸餾（Distill），降低執行者的主觀偏差；最後，透過執行群體的共識機制進行驗證（Verify），確保只有經過認證的高品質經驗才會存入記憶體。

Results

在 tau2-bench、Mind2Web 及 MMTB 三項具備挑戰性的長流程基準測試中，EDV 的表現一致優於現有的強大基準模型。實驗結果證實，透過協作與去中心化的經驗構建，能有效過濾記憶中的錯誤與雜訊，達成更強韌的代理自我演化。

Significance

本研究將代理的經驗學習從孤立的自我反思轉向協同構建模式，解決了自主代理在持續學習過程中難以自我校準的核心瓶頸。這為開發具備高度魯棒性與長期可信度的自主 AI 系統提供了重要的技術路徑與理論框架。