标签
EvoTrainer提出了一种自主训练框架，通过经验反馈协同进化LLM策略与训练框架，在数学推理、代码生成以及长期软件工程任务上超越了人工设计的强化学习基线。
提出CoEvo-AHD，一种基于LLM的双种群协同进化框架，用于双组件耦合组合优化问题的自动启发式设计。它利用LLM协同进化路径和选择算子，通过合作评估和联合交叉来发现针对TTP和TPP等问题的互补启发式。
HarnessForge 提出一种用于演化LLM智能体系统的元自适应框架，通过联合优化执行框架与推理策略，在五个基准测试上对Qwen3骨干模型实现持续改进。
SCOPE是一个用于开放式任务的自我对弈框架，它共同进化挑战者（Challenger）和求解器（Solver）策略，在没有外部监督的情况下，在基准测试上取得了高达+10.4分的提升。
SEAL提出了一个闭环框架，用于联合演化LLM智能体及其训练环境，利用诊断引导的标签对齐双方。仅用400个训练样本，它就在多轮工具使用任务上取得了显著提升，表现出更好的鲁棒性和分布外迁移能力。
SEAL 是一个用于交互式工具使用智能体的闭环共进化框架，通过利用在线策略轨迹和回合级诊断同步策略与环境更新，解决了智能体-环境不匹配问题。
MetaAgent-X引入了一个端到端的强化学习框架，联合优化自动多智能体系统的设计与执行，克服了冻结执行器的天花板，并在现有基线基础上实现了高达21.7%的性能提升。
RoboEvolve是一个框架，它协同进化VLM规划器和VGM模拟器用于机器人操作，仅用500张无标签种子图像就实现了数据效率以及鲁棒的持续学习。
本文介绍了 CoCoDA，这是一个利用协同演化的组合式有向无环图（DAG）来管理增强型智能体工具库的框架。该框架使小型语言模型能够高效地检索和组合工具，从而使 8B 模型在推理基准测试上的性能能够匹敌甚至超越 32B 模型。
本文介绍了 GAMBIT，这是一个用于评估多智能体 LLM 集体中对抗鲁棒性的基准测试。该基准包含自适应冒名顶替者（imposter）和重新校准（recalibration）模式，旨在解决现有浅层评估方法的局限性。
本文介绍了 G-Zero，这是一个无需验证器的框架，通过基于内在奖励和提示引导的协同进化训练，实现大型语言模型的自主自我改进。旨在通过从内部分布动态中推导监督信号，克服代理 LLM 评判者在无界任务中的局限性。
本文介绍了 TacoMAS，这是一个用于大语言模型驱动的多智能体系统中智能体能力与通信拓扑测试时共演化的框架。研究表明，与现有基线相比，联合调整快速能力环和慢速拓扑环能够提升性能并增强稳定性。