VERSE：面向智能体框架的验证式自进化优化器
原文标题：VERSE: Verified Self-Evolving Optimizer for Agent Harnesses
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 VERSE，一种面向 LLM 智能体框架（harness）的验证式自进化优化器。研究发现，优化器自进化若缺乏基于执行的验证反而无益，而加入验证后效果最佳。VERSE 允许优化器在提交前测试草稿修改、回放失败案例并扰动可疑步骤，同时追踪修复与回归。在 SWE-rebench 及五种语言的分布外任务上，其最佳框架准确率达 42.3% 与 37.7%，优于最强基线。
- 问题
- 智能体框架优化器自身工具与流程固定，无法有效诊断失败并改进。
- 方法
- VERSE让优化器在提交前测试草稿修改、回放失败、扰动可疑步骤，并追踪修复与回归，模型权重保持不变。
- 结果
- SWE-rebench及五种语言分布外任务上最佳框架准确率42.3%与37.7%，基线为39.2%与29.3%。
- 影响
- 框架自进化必须带执行验证才有效，做Agent工程化的团队可据此提升自动化调优收益。
深读 · 结论先行AI 生成展开看要点与影响 ↓
VERSE让优化器自进化时必须带执行验证，在SWE-rebench上把最佳框架准确率从39.2%提到42.3%。
- •对照实验显示：优化器自进化若无基于执行的验证，性能不升反无益；加入验证后效果最佳
- •VERSE允许优化器提交前测试草稿修改、回放失败案例、扰动可疑步骤，并追踪修复与回归
- •优化器与执行器模型权重保持固定，只改提示、工具、技能、钩子等框架层
- •在SWE-rebench及五种语言分布外任务上，最佳验证框架准确率达42.3%与37.7%，基线为39.2%与29.3%
为什么重要：给做智能体框架调优的团队一个明确信号：自进化优化器必须配执行验证，否则可能白费算力。
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。