UCE：面向LLM智能体的统一上下文演化框架

UCE 用类型化经验库让智能体跨任务积累策略，两基准成绩明显提升。

资讯摘要

论文提出 Unified Context Evolution（UCE），一个无需梯度的框架，将智能体经验外化为可演化的类型化上下文单元库，分为 Memory、Strategy、Workflow、Skill 四类，按类型条件从轨迹生成，在决策时检索，依据重复使用结果评分并淘汰低价值单元；调度模块把每轮生成预算投向库中最薄弱的类型。作者报告在两个交互基准上，ALFWorld 成功率从 75.4% 升至 96.3%，WebShop 任务分从 45.1% 升至 61.3%，且更换 actor 推理骨干后仍有效，无需重训模型。

要点速读

1. UCE 将智能体经验拆为 Memory、Strategy、Workflow、Skill 四类可演化上下文单元（ECU），按类型条件生成并在决策时检索。
2. 单元通过重复使用结果评分、按价值剪枝，调度模块将生成预算分配给库中最弱的类型。
3. 作者报告 ALFWorld 成功率 75.4%→96.3%、WebShop 任务分 45.1%→61.3%，更换推理骨干仍有效且无需重训。

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 2026/10/28 08:00:17（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。