自博弈融合技能进化：能出题、解题并记忆的自进化搜索智能体

论文提出SESA，让挑战者生成问题、求解器检索技能，并将信息性失败蒸馏后写回技能记忆。记忆变化会影响求解轨迹、策略学习和后续出题分布。在七个开放域及多跳问答基准上，SESA相较SSP提升1.2–3.2个百分点，相较SkillRL提升0.9个百分点；Qwen3上的无记忆部署仍保留1.8–2.2个百分点收益。