KARMA：面向工业广告智能体的免训练知识原子化演化框架

免训练知识演化让广告智能体留出分数提升 29.7%

资讯摘要

论文提出 KARMA（Knowledge-Atomic, Regression-Gated Modular Adaptation），一种免训练框架，在冻结模型权重与可执行 harness 代码的前提下演化六类知识模块。确定性 Trace Verifier 将观测到的错误映射到候选模块，Critic 对比成功与失败轨迹以指导受工具约束的 Evolver 进行原子化知识编辑，固定验证门仅在增益达到阈值时保留修改，否则回滚。作者在约五十万条真实运营日志、六个电商域上以三个 LLM 系列评估，18 个域—模型设置下平均留出分数从 30.19 升至 39.15（+8.96 分，+29.7%）；消融显示移除成功或失败轨迹任一类都会使平均增益减半以上，演化知识还可跨域迁移，平均增益 8.54 分。

要点速读

1. KARMA 免训练，冻结模型权重与 harness 代码，仅演化六类类型化知识模块。
2. 在约五十万条真实运营日志、六个电商域、三个 LLM 系列的 18 个设置中，平均留出分数由 30.19 升至 39.15（+29.7%）。
3. 消融显示移除成功或失败轨迹任一类都会使平均增益减半以上；演化知识跨域迁移平均增益 8.54 分。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。