arXiv cs.AI· Alex Iacob, Andrej Jovanovi\'c, William F. Shen, Daniel Burkhardt, Meghdad Kurmanji, Nurbek Tastan, Lorenzo Sani, Niccol\`o Alberto Elia Venanzi, Jiayi Nie, Ambroise Odonnat, Zeyu Cao, Bill Marino, Xinchi Qiu, Rika Antonova, Nicholas D. Lane·· 9 天前AI 评分33
Red Queen Gödel Machine：智能体与评估器协同进化框架
The Red Queen G\"odel Machine: Co-Evolving Agents and Their Evaluators
AI 导读
研究者提出 Red Queen Gödel Machine（RQGM），一个在非平稳效用下实现递归自我改进的进化框架，让学习到的评估器与智能体共同进化。在 DeepSWE 上，RQGM 低推理投入下通过 82.1% 的留出任务，优于固定评估器基线的 75.0%，并接近高投入的 GPT-6 Astra。
正文 · AI 翻译
作者：Alex Iacob、Andrej Jovanović、William F. Shen、Daniel Burkhardt、Meghdad Kurmanji、Nurbek Tastan、Lorenzo Sani、Niccolò Alberto Elia Venanzi、Jiayi Nie、Ambroise Odonnat、Zeyu Cao、Bill Marino、Xinchi Qiu、Rika Antonova、Nicholas D. Lane
摘要：自我改进智能体在智能体编程基准上处于最先进水平，然而其搜索方法假设评估标准是平稳的。这忽略了演化的一个核心特征：物种会随着环境的变化而共同适应。我们提出红皇后哥德尔机（RQGM），一个在非平稳效用下进行递归自我改进的演化框架。这使得学习到的评估器能够与其所引导的智能体一同改进。在 DeepSWE 上，RQGM 通过加入一个互补的“智能体作为评判者”的代码审查信号，超越了其固定评估器基线：一个共同演化的审查者给编码者的补丁打分以引导搜索。在低推理努力下，RQGM 编码者通过了 82.1% 的留出任务，而基线为 75.0%，并在高努力下几乎匹敌 GPT-6 Astra 模型。在科学论文写作与评审，以及奥林匹克级证明写作与评分中，共同演化的评估器提供了评估标准。以人类 IMO 评分为锚点，一个共同演化的评分者写出自己的里程碑评分标准，并以 3 倍更低的搜索成本超越静态基线，将证明者推向最佳平均分。由于 RQGM 可以跨轮次修改搜索目标，它可以对搜索进行正则化。例如，RQGM 通过一个额外的对抗目标来减少自我偏好偏差，以发现对 AI 和人类工作同等严格的审查者。在这些校准后的审查者的引导下，共同演化的写作者在“智能体作为评判者”小组下达到比基线高 1.78 倍至 1.86 倍的接受率。RQGM 使自我改进系统成为可能，其中智能体和评估器相互递归地自举，超越静态评估。
| Comments: | 9 页正文 + 31 页附录（共 40 页，含参考文献）；初步预印本；进行中的工作。关键词：自我改进智能体、学习型评估、多智能体系统、自动化科学发现、受控效用演化、共同演化搜索、自动研究 |
| Subjects: | 机器学习（cs.LG）；人工智能（cs.AI）；多智能体系统（cs.MA）；神经与演化计算（cs.NE） |
| ACM 分类： | I.2.6；I.2.8；I.2.11 |
| 引用为： | arXiv:2606.26294 [cs.LG] |
| （或本版本使用 arXiv:2606.26294v3 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2606.26294 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Alex Iacob [查看邮箱]
[v1]
2026 年 6 月 24 日星期三 18:38:26 UTC（1,058 KB）
[v2]
2026 年 6 月 29 日星期一 17:13:25 UTC（1,116 KB）
[v3]
2026 年 10 月 8 日星期四 10:42:36 UTC（1,394 KB）
来源：arXiv cs.AI · arxiv.org