盲目的策展人：有偏见的评判者如何静默地禁用自进化 Agent 中的技能淘汰机制

自进化 Agent 通过观察失败来淘汰劣质技能，但当评判者无法识别失败时会发生什么？本文指出，技能淘汰是防止技能库退化的关键约束，但其前提是奖励无偏。研究表明，有偏见的评判者（特别是“假通过”偏差）会静默地关闭淘汰机制，导致基于贡献的更新失效。这种机制故障具有普遍性，虽不一定立即反映在聚合指标中，却构成了行为安全隐患。文章提出了缺陷注入审计方法，以便在部署前检测评判者的偏差阈值。