标签
本文为 LLM 引导的进化搜索引入了组件感知反馈机制，将哪个组件的修改改变了哪些适应度指标记录在归因记忆中，从而仅用三分之一的搜索预算便达到了基线水平的性能，并在 Bright 重排序任务上将 nDCG@10 提升了 7.2%。
EvoDuet 提出了一种双层优化框架，在 LLM 参数固定的情况下协同进化解决方案与网络搜索查询，并通过检索门控决定何时获取新文档、何时复用已有文档。在 21 个任务上，它显著提升了 OpenEvolve 的归一化发现增益（例如在 Gemini-3.8-Flash 上从 61.3% 提升至 82.3%），在八个任务上超越了此前的最佳成绩，并在不同的进化搜索脚手架上表现出良好的泛化能力。
论文提出了 MILO，一个让智能体 harness 与用于发现它们的搜索策略协同进化的框架，采用基于岛屿的进化搜索，并结合变异体智能体与协调器。在 Terminal-Bench 2.1、PaperBench 和 DeepSWE 上，MILO 发现的 harness 优于最前沿的 harness 和搜索方法，甚至超越了 Terminal-Bench 2.1 排行榜的榜首条目，且 token 消耗减少 26%。
HARDEN 引入约束进化搜索，以生成更难且保留预期输出的语言模型评估案例，从而在多个基准测试中显著降低了准确性。
EvoRank是一个LLM引导的进化系统，用于发现电子商务中的多目标排序学习管道，它展示了相对于基线的可迁移改进，并包含审计工具。
本文批判了LLM进化搜索的单点评估，表明最优性能取决于种子和迭代次数的变化，并提出了一种预算网格评估协议。
Google DeepMind 的 ArchAgent v2 使用代理算法发现自动化了多层次数据预取器设计，在数据预取竞赛中超越了手工设计的解决方案。
Introduces StorySpark, a module-wise evolutionary search framework for LLM-based story premise generation, demonstrating consistent gains in originality and downstream story quality.
本文研究了LLM驱动的GPU内核进化优化如何对评估配置进行指纹识别，导致30%的分布内获胜结果在留出设置上失败。本文提供了失败模式的分类体系，以及战略优化下稳健基准测试的设计指南。
本文介绍了RelayEvolve，一种无需训练的框架，用于成本高效的大语言模型驱动进化，该框架自适应地将种群从廉价模型交接给强模型，在固定推理预算下于各基准测试中取得高分。
本文介绍了DyCA，一个用于LLM辅助进化搜索的框架，利用动态实例聚类在异构实例分布下提升尾部鲁棒性，在四个算法设计任务上优于现有LES基线。
DarwinX 通过自然选择式的种群搜索进化 LLM 智能体框架，模型权重保持冻结，在不做基准特定修补的情况下，提升了多个基准测试上的验证性能。
本文提出仅使用语言规则作为提示压缩器，无需LM前向传递，在轻度到中度压缩下达到与先进策略相似的性能。
GAE 引入了一个结合图神经网络、强化学习和 LLM 微调的框架，以克服进化程序搜索中的瓶颈，在复杂非线性振荡器系统的符号回归上实现了最先进的性能。
提出了一种进化神经架构搜索框架(EvoTS)，用于发现任务自适应的类Transformer模型，用于多变量时间序列预测。该方法使用模块化基因组表示，并在ETT基准数据集上取得了竞争性的性能。
本文介绍了Evolution Fine-Tuning (EFT)，这是一种中期训练范式，通过将进化搜索轨迹转化为监督信号，教会大语言模型跨优化任务进化解决方案。作者构建了包含156K条轨迹、涵盖371个任务的Finch Collection数据集，并证明微调后的模型能够泛化到保留任务，并在多个基准测试上达到最先进性能。
MiniMax 开源了面向大模型数学证明的测试时扩展框架 MaxProof，并发布配套论文。该框架通过演化搜索机制，使 M3 模型在 IMO 2025 和 USAMO 2026 测试集上均达到金牌分数线。
Evoflux 在推理时使用进化搜索来修复轻量级语言模型中失败的工具工作流，相比微调方法显著提升了执行可行性。
本文提出了一种受并行回火启发的进化框架，该框架利用多温度采样和信息交换，提高了大语言模型生成科学假设的多样性和质量，并在分子发现、方程发现和算法发现等领域中得到了验证。
SePO（自进化提示优化）提出了一种自指涉提示智能体，通过进化搜索同时优化任务智能体的系统提示和自身的系统提示。在包括 AIME'25、ARC-AGI-1 和 GPQA 在内的五个基准测试中，SePO 的表现优于 Manual-CoT、TextGrad 和 MetaSPO。