arXiv 11 月 16 日提交的论文 2611.21056(作者含 Jürgen Schmidhuber)提出 ELITE(Explore-then-Integrate):一个不靠下游评测的编码 agent 递归自我改进方法。现有自我改进 agent 普遍走「评测—选择」路线——每代候选都要在下游任务上跑一遍再挑赢家,探索越多评测越贵,反复对着固定评测集优化还容易把 agent 调成应试选手。

不挑孩子,把孩子的好东西缝起来

ELITE 的替代思路是「整合」而不是「选择」:每一代从同一个父代独立提出多项聚焦改进并分别实现,然后读这些改完的程序,分辨哪些机制互补、哪些冗余、哪些冲突,再把兼容的子集重新实现成一个统一后代。整个演化循环只用结构与运行有效性的确定性检查,不碰下游任务结果和解题轨迹。

账算下来反而赚

结果:SWE-bench Pro 上从初始 agent 的 60.0% 提到 85.6%,略低于靠评测筛选的 Darwin Gödel Machine(86.7%)和 Huxley-Gödel Machine(88.3%),但候选任务评测次数为零,演化挂钟时间分别缩短 8.8 倍和 3.2 倍。跨基准免适配迁移的成绩也不难看:SWE-bench Verified 平均 73.3%、Polyglot 69.3%。分数差一两个点,评测账单归零——这笔交换在真实预算下未必是亏的。