标签
本文介绍了PIAC，一种通过使用潜在增益度量（无需参考解）并利用LLM生成多样化的实例变异器，来改进基于LLM的并行算法组合自动构建的框架。在TSP和CVRP上，它持续优于现有的LLM-ACP基线，实现了最高19.76%的相对改进。
一篇综述论文，提出了智能体系统中协同进化的三阶段分类法，涵盖智能体-智能体、智能体-环境以及元协同进化，以实现超越固定人工设计路径的开放式改进。
This paper proposes scaffold-mediated post-training, a paradigm where procedural scaffolds co-evolve with LLM parameters through discovery, distillation, and dynamic recompilation. On FeatureBench, automatically discovered skills improve pass rate by 8.1pp, with a 27.7% pass rate after distillation.
本文介绍了CoCoEvolve，一种自监督方法，通过在表示之间强制实现一一对应的一致性，提升跨图表、表格和代码的跨表示理解，并具有训练时和测试时的协同演化目标。
Echoverse 提出了一种生成深度、演进式合成环境的方法，用于训练计算机使用代理，展示了显著的准确率提升，并发布了一个包含有依据评分器的基准。
介绍了DecoEvo，一种用于文本空间中LLM优化的分数解耦协同进化方法，无需黄金评分标准即可同时提升求解器和评分器生成技能，在五个基准测试中相比基线实现了2.8%–5.0%的相对提升。
EvoSQL是一个面向Text-to-SQL的协同进化框架，通过带有情景记忆的生成器-评论器对迭代改进SQL生成，在Spider和BIRD基准测试上取得了性能提升。
本文介绍了技能自我对弈（Skill-SP），这是一个协同进化框架，利用提议者、求解者和技能控制器来桥接结构化验证与开放式探索，从而提升大语言模型在工具使用和推理基准测试中的性能。
MSCE是一种免训练框架，将LLM智能体的经验组织为三个记忆层次，并将其转化为带有证据链接的可复用技能，优于现有的记忆增强和技能增强基线。
介绍EvolvingWorld，这是一个用于互动文学世界中角色扮演智能体与世界模型共同演化的开放模式框架与基准，支持具有持久角色和世界状态更新的长时程模拟。
本文提出了一种在自我改进的大语言模型代理系统中协同进化评估指标和技能的方法，展示了指标是可以进化的，并且协同进化方法在代码生成、文本到SQL和报告生成任务中恢复了大部分由真实标签驱动的性能。
HASE 是一个强化学习框架，它在统一的智能体过程中协同进化模型权重、任务解决方案以及流程组件（引导与评估），使单个8B参数的模型在文本分类和阿尔法因子挖掘任务上能够匹配更大系统的性能。
红皇后哥德尔机器通过共同进化智能体和评估器，实现AI的递归自我改进，用更少的token达到更好的编码性能。
Qwen 的新论文研究了面向长周期编码智能体的奖励设计，指出由于奖励破解，每个验证信号最终都会失去对正确性的追踪能力，并论证了验证必须与策略能力共同进化。
英伟达与剑桥大学等团队提出的Red Queen Gödel Machine论文，通过让代理和评估器共进化解决了递归自我改进的瓶颈，在代码、论文写作等任务上超越现有SOTA，为可控开放式AI进化提供了重要方法论。
本文介绍了红皇后哥德尔机（RQGM），这是一个在非平稳效用下进行递归自我改进的进化框架，其中智能体和评估者共同进化，提高了在编程任务、科学写作和奥林匹克级证明评分方面的性能。
MIT团队发布了一篇关于Claude Code代理自我进化技能的论文，通过生成-测试-验证-协同进化框架，实现了71.1%的通过率，比Anthropic的技能创造者高出37个百分点。
一篇评论，强调尽管AI取得了进步，但人类的理解力对于安全和人道的部署仍然至关重要，敦促用户验证AI的输出并以尊重对待AI。
引入了合成反适应的概念，即人类与AI系统通过相互适应对方的策略而共同进化，并通过围棋、社交互动和地缘政治模拟等实例加以说明。
本文提出了三种面向LLM驱动的对抗多智能体博弈代码演化的共演化机制（评估器共演化、分层深度评估和弱点压力），在MCTF 2026海上夺旗任务中取得了最先进的结果。