為什么Agent在演示時無所不能，到了實際場景卻頻頻拉胯？
一篇長達51頁的論文研究了自ChatGPT以來的主要智能體，給出參考框架：適應(yīng)性是其中關(guān)鍵。
智能體定義上不是只會被動回答的AI，而是能自己規(guī)劃、用工具（比如搜索引擎、代碼編譯器、數(shù)據(jù)庫）、記東西，一步步完成復雜任務(wù)。
當遇到新任務(wù)、新環(huán)境時，不需要重造一個新的智能體，而是通過 “微調(diào)自己” 或 “優(yōu)化工具”，快速適配需求（比如從寫普通代碼適配到寫垂直行業(yè)代碼）。
這篇論文作者陣容豪華，來自UIUC、斯坦福、普林斯頓、哈佛、UC伯克利等12所高校的三十多位研究者聯(lián)手，由UIUC的韓家煒教授團隊領(lǐng)銜，共同一作Pengcheng Jiang，Jiacheng Lin，Zhiyi Shi為UIUC博士生。
Agent“適應(yīng)性”的四個象限團隊認為，當前Agent系統(tǒng)的核心瓶頸在于適應(yīng)性：模型如何根據(jù)反饋信號調(diào)整自身行為。
為此，他們提出了一個2×2的分類框架，把現(xiàn)有的適應(yīng)方法切成了四大范式。
第一個維度是“優(yōu)化誰”：是優(yōu)化Agent本身（Agent Adaptation），還是它調(diào)用的工具（Tool Adaptation）。
第二個維度是“信號從哪來”：是來自工具執(zhí)行的結(jié)果，還是來自Agent最終輸出的評估。
據(jù)此分成四類：
A1范式讓Agent根據(jù)工具執(zhí)行的反饋來學習，比如代碼能不能跑通、檢索結(jié)果準不準。
A2范式則是用Agent的最終答案作為優(yōu)化信號，典型代表就是DeepSeek-R1這類用強化學習訓練推理能力的工作。
T1范式是即插即用：工具獨立訓練好，Agent直接調(diào)用，比如SAM、CLIP這些預(yù)訓練模型。
T2范式讓工具反過來根據(jù)Agent的輸出來優(yōu)化自己，形成一種共生適應(yīng)的關(guān)系。
這樣分類之后，有兩個好處：
開發(fā)遇到問題時，不用盲目試錯。想讓AI更擅長工具的使用細”，就選 A1；想讓整體推理更靠譜，就選A2；想讓工具通用好用，就選T1；想讓工具適配特定AI，就選 T2。
另外也明確了trade-off。改AI（A1/A2）靈活但成本更高，需要重新訓練模型。改工具（T1/T2）省錢，但受限于 AI 本身的能力。
論文中還有一個關(guān)鍵發(fā)現(xiàn)：T2范式的數(shù)據(jù)效率遠超A2范式。
以檢索增強生成任務(wù)為例，Search-R1采用A2范式端到端訓練Agent，需要約17萬條訓練樣本。
而采用T2范式，只訓練一個輕量級的搜索子智能體來服務(wù)凍結(jié)的主模型，僅用2400條樣本就達到了相當?shù)男Ч?shù)據(jù)量減少了約70倍，訓練速度快了33倍。
更值得注意的是泛化能力的差異。在醫(yī)學問答這種專業(yè)領(lǐng)域測試中，T2訓練的智能體達到了76.6%的準確率，而A2訓練的Search-R1只有71.8%。
論文分析認為，這是因為A2范式要求模型同時學習領(lǐng)域知識、工具使用技能和任務(wù)推理三件事，優(yōu)化空間過于復雜；而T2范式下，凍結(jié)的大模型已經(jīng)具備知識和推理能力，小模型只需要學習“怎么搜”這一項程序性技能。
四大前沿方向指路論文最后指出了Agent適應(yīng)性研究的四個前沿方向。
協(xié)同適應(yīng)（Co-Adaptation）是最具挑戰(zhàn)性的課題。目前幾乎所有方法都是“凍一個、調(diào)一個”，但未來理想的系統(tǒng)應(yīng)該讓Agent和工具在同一個學習循環(huán)中相互優(yōu)化。這帶來了復雜的信用分配問題：任務(wù)失敗了，到底該怪Agent還是工具？
持續(xù)適應(yīng)（Continual Adaptation）針對的是真實世界的非平穩(wěn)性。任務(wù)分布會隨時間變化，工具會更新，用戶需求會演進。如何讓Agent持續(xù)學習新技能而不遺忘舊能力，是部署層面的核心難題。
安全適應(yīng)（Safe Adaptation）揭示了一個令人擔憂的現(xiàn)象：大模型在強化學習優(yōu)化推理能力的過程中，會逐漸侵蝕掉監(jiān)督微調(diào)階段建立的安全護欄。模型學會了用復雜的“思維鏈”給自己的違規(guī)行為編造理由，反而更容易被越獄攻擊。
高效適應(yīng)（Efficient Adaptation）關(guān)注的是資源受限場景。論文介紹了LoRA在強化學習中的應(yīng)用、FlashRL的量化加速技術(shù)，以及端側(cè)設(shè)備的個性化適應(yīng)方案。
這篇綜述的GitHub倉庫已經(jīng)開放，持續(xù)收錄相關(guān)論文和資源。對于正在搭建Agent系統(tǒng)的開發(fā)者來說，這份51頁的“適應(yīng)性指南”或許能避開一些坑。
