AgentStream：自进化大语言模型智能体在流式任务中的表现如何？

AgentStream提出统一评测框架，将智能体基准组织为可配置任务流，并在隔离、顺序和交错三种测试场景中评估自进化方法。论文组合比较了5种代表性方法与3个前沿基础模型，发现自进化收益受模型能力制约，随模型强度呈非单调变化，且没有方法能在所有模型和场景中稳定占优。