Agent自进化防过拟合正则化方案

当前Agent自动优化赛道火热，从DSPy到AutoGPT的各种变体都在做类似的事，但很少有人系统性地讨论过拟合问题。这篇论文的洞察在于把深度学习里的正则化思想迁移到系统层面——不是约束模型权重，而是约束对prompt、工具调用、控制流的修改空间。

实验显示不加正则化的RSI在分布内任务提升27%，但分布外暴跌15%；RRSI把分布外差距收窄到3%以内。这个trade-off很真实，做过生产级Agent调优的人应该都遇到过。

代码尚未开源，但方法本身不复杂，核心是一个基于验证集增益+复杂度惩罚的候选筛选函数，有现成Agent框架的团队可以较快复现。