Red Queen G\"odel Machine：共同进化的智能体及其评估器

arXiv:2606.26294v3 公告类型：替换 摘要：自我改进型智能体在智能体编码基准测试中已达到最先进水平，但其搜索方法假设评估标准是静态不变的。这忽略了进化的一个核心特征：物种会随着环境的变化而适应。我们提出 Red Queen G\"odel Machine（RQGM），一种针对非平稳效用进行递归自我改进的进化框架。该框架使学习型评估器能够与其引导的智能体共同改进。在 DeepSWE 上，RQGM 通过加入互补的“智能体作为评审者”代码审查信号，超越了固定评估器基线：共同进化的评审者对编码器生成的补丁进行评分，以引导搜索。在较低推理投入下，RQGM 编码器在留出任务上的通过率达到 82.1%，而基线为 75.0%；在较高投入下，其表现几乎达到 GPT-6 Astra 模型的水平。在科学论文写作与评审，以及奥林匹克竞赛级别的证明写作与评分任务中，共同进化的评估器能够提供评估标准。以人类 IMO 评分为锚点，一名共同进化的评分器自行撰写阶段性评分标准，并以低 3 倍的搜索成本超越静态基线，推动证明器取得最高平均分。由于 RQGM 能够跨轮次修改搜索目标，因此可以对搜索过程进行正则化。例如，RQGM 通过加入额外的对抗性目标，发现对 AI 作品和人类作品同样严格的评审者，从而减少自我偏好偏差。在这些经过校准的评审者引导下，共同进化的写作者在“智能体作为评审者”评审面板下的接受率达到基线的 1.78 至 1.86 倍。RQGM 使自我改进系统成为可能：智能体与评估器能够在递归过程中相互促进，突破静态评估的限制。