CoCoEvolve 元反思优化生产级 AI 系统
论文提出 CoCoEvolve(Cortex Code Evolve),一种以「元反思」为核心的进化优化器:智能体变异器从完整进化历史中检索证据并探测在线系统后再提出变异。在 DABStep 榜单登顶,留出难例准确率 92.8%(Meta-Harness 78.4%、GEPA 30.4%);dat…
共 9 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文提出 CoCoEvolve(Cortex Code Evolve),一种以「元反思」为核心的进化优化器:智能体变异器从完整进化历史中检索证据并探测在线系统后再提出变异。在 DABStep 榜单登顶,留出难例准确率 92.8%(Meta-Harness 78.4%、GEPA 30.4%);dat…
论文提出进化框架,迭代发现自然语言特征定义(评分规则),由 LLM 生成候选二值特征并评估样本,训练逻辑回归等透明分类器。进化特征平均比单次评分规则提升 2.9 个百分点,并在三个任务中的两个超越零样本 LLM 分类。在信用风险任务上,零样本 LLM 仅达随机水平且偏向单一类别,进化特征则给出平衡…
ProofEvolve结合神经模型和符号Lean内核,通过进化机制扩展证明知识边界。它利用行为索引档案和模式库,保留部分证明成果,在多个Lean基准上取得最高平均求解率,展示了递归自改进的潜力。
论文提出 Evo-B&B,一个由 LLM 引导的进化框架,利用 SCIP 端到端求解反馈联合进化可执行的分支与节点选择策略。其行为感知多岛进化机制通过测量策略相似度保持种群多样性。在四个标准 MILP 基准上取得有竞争力表现,并可泛化到更大规模实例。
一篇 Substack 文章介绍如何利用进化式大语言模型程序搜索,改进 25 个方形装箱问题(square packing)的上界。该方法将 LLM 生成的程序与进化搜索结合,在经典组合优化问题上取得更优解,展示了 LLM 在数学优化领域的应用潜力。
论文提出 TGL-NSGA-II,用预训练教师按难度与类别分层样本,并通过 KD-Lite 短蒸馏为候选打分,再与高斯过程代理融合以筛选全量评估对象。在关键词唤醒与鸟鸣分类任务上,Kendall-τ 达 0.74 与 0.62,代理分数方差降低 41%,运行速度比完整 NSGA-II 快 2.2 …
该论文提出一种去中心化进化算法,让六足机器人的每条腿独立进化步态控制器,无需中央协调即可涌现出协调运动。研究在Webots模拟器与Mantis机器人上验证,与协同协同进化方法对比,展现出更稳定、自适应的步态生成能力。该方法降低了步态优化复杂度,为可扩展自适应机器人系统提供新思路。
提出多目标智能体进化(MOAE)框架,通过帕累托保持的进化搜索优化智能体的任务性能、轨迹质量和安全性。在TravelPlanner和AgentDojo上,MOAE在匹配预算下持续提升性能并保持安全,扩大可达目标区域并增加联合改进频率,避免固定标量化带来的权衡损失。
论文指出模因符号回归中系数校准协议本身参与进化选择,集中式校准忽略协变量偏移下的稳定性。提出 Dirichlet-Sinkhorn 常数平均(DSCA),在异构子集上独立校准并取参数均值,在合成基准与十个真实数据集上改善函数恢复与精度-复杂度权衡。