MILO：多智能体进化自动发现智能体框架
原文标题：MILO: Automated Harness Discovery via Orchestrated Multi-Agent Evolution
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出MILO框架，通过岛屿式元进化编排协同进化智能体执行框架与其搜索策略，利用层级谱系记忆、岛屿变异智能体和编排器自适应调整搜索。在Terminal-Bench 2.1、PaperBench和DeepSWE上超越八个先进框架与六种搜索方法，并在EinsteinArena开放问题上改进多个已知上界。
- 问题
- 智能体执行框架设计依赖人工且搜索空间组合爆炸，模型换代后需重做。
- 方法
- 岛屿式元进化协同进化框架与搜索策略，用层级谱系记忆、岛屿变异智能体和编排器自适应调整。
- 结果
- Terminal-Bench 2.1、PaperBench、DeepSWE 上超越八个框架与六种搜索方法；Opus 4.8 下提升 +12.0%、+28.3%、+10.3%，Terminal-Bench 2.1 达 86.1±2.0%。
- 影响
- 把智能体框架调优从人工试错转为自动进化，模型更新后可低成本重新适配。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MILO让智能体框架与搜索策略协同进化，Opus 4.8上三项基准提升12.0%/28.3%/10.3%，远超此前最优。
- •MILO通过岛屿式元进化，同时进化智能体执行框架与发现它的搜索策略
- •在Terminal-Bench 2.1、PaperBench、DeepSWE上超越8个先进框架与6种搜索方法
- •用Opus 4.8时相对初始框架提升+12.0%、+28.3%、+10.3%，此前最优搜索仅+4.5%、+18.3%、0%
- •Terminal-Bench 2.1达86.1±2.0%，并改进EinsteinArena多个已知上界
- •层级谱系记忆把被拒变异当负证据，岛屿变异智能体重写完整框架
为什么重要：框架设计过去依赖人工且随模型换代需重做，MILO把这一过程自动化并证明收益显著，对做智能体工程与评测的团队直接相关。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。