GDPevo：在真实商业任务上评估智能体自我进化

GDPevo提出面向企业工作流的智能体自我进化基准，通过“规则混合”将训练任务中的原子业务规则重组为测试任务，降低数据污染并提升增益归因能力。V1覆盖CRM、ERP、金融、医疗、法律和数据工作流，共120项任务。四类智能体实验显示，自我进化最多提升16.44个百分点，但最佳结果仍显著低于91.6%的完全知情预言机上限。