Self-Evolving Agents with Anytime-Valid Certificates

SEA 把 self-modification 限制在 frozen base model 外的小型 steering adapter 和 versioned harness 中，每次变更必须通过 anytime-valid gate，并在固定 error budget 下产生可审计 certificate。五类 verifier-in-the-loop 机制提供 grader-free signal，包括 best-of-N、micro-step search、self-authored reproduction oracles、search-layer control 和 self-repair。作者在 52 个 SWE-bench Verified 实例、四个 base model 上评估；两个强模型中 no-op-composite control 显示 suite 贡献为 +4 和 +5，其中 GPT 侧从 29 到 34，达到 65% best，但作者也明确承认结果来自昂贵评测的 single-run。