新闻、仓库与研究，按时间排列。
Per Kristian Lehre 等提出分阶段管线，让智能体提出黑盒优化算法，用 Lean 证明期望运行时界并过滤缺陷设计。智能体给出的算法在 CycleUncover 问题达 O(n²)，而经典 (1+1) EA 需 e^Ω(n)；在 8 个问题类上，15 次运行中 12 次用前沿模型完成机器验证的运行时证明，消融显示去掉分阶段会导致照抄基线或证明不完整。
推荐理由：论文展示了分阶段管线让智能体在 Lean 中机器验证算法运行时证明，为无实证评估的开放式算法发现提供了可检验的替代路径。
Jun Gao 等人在 arXiv 论文 arXiv:2610.35616 中提出分层技能演化方法 HSE，从编码轨迹中逐层提炼跨仓库可迁移的程序性技能，整个过程保持底层编码模型冻结。该方法在 SWE-bench Verified 和 DeepSWE 上评测，仅用 SWE-Gym 演化出的 10 个技能，在 GLM-5.2（Pi 和 Claude Code harness）以及 GPT-5.5、Opus 4.8（Pi）的所有评测设置下均提升编码表现，并可通过学到的 evaluator 无需验证反馈进一步从目标基准轨迹演化技能获得额外增益。
推荐理由：论文提出从成功与失败轨迹中分层提炼可迁移技能的方法，并给出跨基准、跨模型、跨 harness 的验证结果。
一篇 arXiv 论文提出进化策略（ES）更新的几何解释：把每个扰动模型视为粒子、其奖励视为质量，群体在奖励加权质心处平衡。作者证明对任意有限种群，均值扣除后的 ES 更新恰好等于这一位移乘以仅依赖平均奖励的标量因子；在大种群或对偶采样极限下，模型从当前位置向自身种群的奖励加权质心移动。
论文提出在冻结的 VLM 外部搜索推理程序，借鉴 AlphaEvolve 的自主进化思路，由 LLM judge 依据训练题失败案例迭代改进代码。在 3 个 VLM 和 4 个科学图表基准上，描述性问题的精确匹配准确率平均从 16.6% 提升到 41.3%，单次最大提升 55.2 个百分点，进化后的程序还比基线快 3.8 倍。
推荐理由：论文说明相当一部分 VLM 图表问答错误来自推理管线而非模型本身，不改权重、只进化推理程序即可大幅提分。
腾讯推出 TGR-EvoDAG，一个面向生成式推荐（GR）的多智能体代码演化框架，将代码演化建模为 DAG 以维护多条演化分支并合并互补创新。该框架引入阶段感知成本规划与主动下游协同适配，在 Amazon 公开数据集上离线指标最高提升 37.4%，Agent4Rec 模拟用户满意度提升 19.7%。在腾讯大规模商业媒体平台部署中，演化后的 GR 离线 Hit@1 相对提升 12.16%，线上 CTR 统计显著提升 0.40%。
研究者提出 CAKE，一个面向 Ascend NPU 可部署自定义算子的 CANN 原生系统，结合自适应多 DSL 路由、生成与进化双模式及 CAKE Book 知识复用。在 Ascend 950PR 上 53 个 CANN-Bench v1.1 算子测试中，CAKE 标准集用例通过率 100%（1,060/1,060），隐藏集 98.28%（4,167/4,240），相对基线平均 1.334× 加速；Evolution 模式使 EngramGateFusion 聚合设备时间降低 46.6%。
研究者提出多方向 Perturbation-Rewrite Search（PRS）框架，利用 LLM 自动设计 NP-hard 组合优化问题的启发式算法。PRS 通过扩展、压缩与导向三个方向探索启发式设计空间，并采用带自适应算子控制的广度优先搜索，防止过早收敛。在多类组合优化任务上的实验显示，PRS 能持续发现高质量启发式算法。
GuideEvolve 是一个结合专家引导与 3Ts 机制（Think Fast and Slow、Throwback、Termination by choice）的自进化智能体框架。在 MGSM 上达到 89.8% 准确率（Gödel Agent 为 90.6%），MMLU 上 89.1%（对手 87.9%），方差降低 25-59%。其进化成功率达 100%（基线 82%），优化迭代次数从 30 次降至约 15 次。
ExpEvolve 提出在 AlphaEvolve 类进化编码智能体中注入“想法级”抽取与控制，从程序中发现解释得分差异的高层因素，并给出其提升样本效率的理论条件。在 11 个开放式数学任务上，ExpEvolve 将最终性能和样本效率最高提升至 5.0x，改进还可迁移到 4 个其他 LLM 及 MLS-Bench 的 6 个机器学习任务。
一项研究提出用 LLM 驱动的进化程序搜索来改进生成式检索（GR）中的语义标识符设计，据称是该方法首次应用于 GR。框架使用本地部署的开源 31B 模型变异可执行组件，并以 1M 参数代理解码器替代反复训练 1B 目标生成器提供快速反馈，代理与目标 Recall@100 的 Spearman ρ 达 0.90。在 NQ320K 上，联合进化 SID 构建与碰撞处理将 Recall@1 从 55.8% 提升至 59.3%，Recall@100 从 85.8% 提升至 90.6%。
Gaotang Li 等人在 arXiv 论文 arXiv:2610.28380 中提出 Object-Oriented Harness（OO-Harness），通过面向对象设计演化出可执行的 harness 类层级，训练时由演化 agent 依据执行记录以继承方式生成专用 harness 子类，测试时由 harness router 结合训练积累的路由经验为每个任务选择 harness。在涵盖业务流程、工作区任务和工具使用的三个长程基准上，OO-Harness 取得对比方法中的最佳表现，较基线绝对提升最高 15%，并附有对核心组件的消融研究。
论文提出 HarnessPro，一种无标注方法，通过 LLM 生成的测试评估候选框架，并用 Pareto 优化同时提升任务性能、降低执行成本。在 Terminal-Bench 2、SWE-Bench Pro 和 ProgramBench 上，用 GPT-5.5 加 Codex 时 heavy 模式相对 RHO 平均 pass-rate 提升 2.0 个百分点、单任务成本降低 26.1%，用 GLM-5.2 加 Claude Code 结果一致，并输出 lite、medium、heavy 三档框架供不同部署预算选用。
推荐理由：论文用无标注测试加 Pareto 选择同时优化 Agent 框架的性能与成本，给出与 RHO 的对照数据，方法可迁移到类似的框架自改进场景。
研究团队提出 DiscoveryRSI 框架，通过多智能体进化搜索构建假设树，用假设信用优化、harness replay 和 rediscovery 三种机制递归学习，并配套发布 DFM-Bench 评测假设质量与累计研究进展。四个生命科学领域中，两轮自改进后假设质量从基线 4.86 升至 5.39，可证伪性和数据可解性提升最大；专家评审中 DiscoveryRSI-27B 在假设重要性与论断合理性上高于 GPT-6 Luna，与模型截止日期后发表研究的对应率为 6.3%，高于 GPT-6 的 2.5% 和 Claude Opus 5 的 2.3%。
推荐理由：论文给出假设树自改进框架和假设质量的量化指标，可看到自动评测与专家评审两层验证结果。
一项 arXiv 研究提出「算法模型化」新范式，把迭代算法的执行轨迹当作计算经验，转化为可训练的模型。研究者将迭代优化建模为自回归过程，构建与维度无关的种群-时间架构，并通过先模仿异构教师、再经优化反馈超越的学习框架训练优化器。所得模型可整合异构搜索知识，并泛化到更大规模未见维度，使算法能力可通过学习不断积累。
研究者提出一个进化式框架，由 LLM 提出量子线路设计、独立评估器验证并打分，应用于数值计算、化学、优化、量子模拟和数理等任务。八个任务中七个发现的线路相比现有最优水平显著降低了 Toffoli 与 qubit 数量；在第八个任务中找到了素域模逆的新可逆架构，使原本不适用于可逆整数运算的 divsteps 算法变得可行，并显著改善模逆的 Toffoli-qubit 权衡。
论文提出 SwarmRSI 框架，通过演化科学智能体集群实现递归自我改进（RSI）。该框架包含 Feedback-Guided Swarm Mutation、Complementary Swarm Recombination 和 Recursive Swarm Evolution 三项机制，利用智能体间实验反馈修正假设与实现并复用互补组件。在 OpenProblems、NatureBench 和 MLE-Bench Lite 上达到 SOTA，且积累的研究经验可提升 held-out 任务表现。
AutoNovo 用智能体程序搜索迭代提出、执行、评估并修订核酸设计器代码，以提升跨模型泛化能力。该方法在 3/3 个 DNA 设计任务的 in-silico 性能上取得评估方法中的最佳均值，并在 6/6 个迁移任务上对独立模型表现最佳。发现的设计器来自一个家族而非单一通用最优设计器，作者计划公开发布这些设计器。
研究者提出 Heterogeneous Agentic CoEvolution（HACE）框架，通过监督学习改进专用基础模型，同时用 on-policy 强化自训练训练 LLM 智能体，并用进化搜索优化二者的交互方式。在推荐系统、蛋白质功能预测和晶体稳定性预测三个领域，HACE 在主要任务指标上均优于被评测的自改进方法。
澳门大学、河海大学与北航研究团队提出 DRL-DCO 算法，用基于 DDPG 的 actor-critic 智能体统一调度 DE 与 CMA-ES 的演化搜索，动态分配探索与开发资源，并联合调节种群规模、精英保留和重启机制。在训练后，策略可在无监督推理模式下仅凭前向推理运行，无需 critic 评估或权重更新。该算法在高维单目标优化基准和 IASC-ASCE 结构健康监测基准上收敛精度与鲁棒性优于最先进的自适应与混合演化算法。
论文提出 AgentEvolver，一个在基础模型保持固定的情况下，通过任务执行发展可复用能力的系统，八类实体经统一版本化生命周期接受修订。团队报告在 SWE-bench Pro Public 上取得 82.08% 解决率，超过其报告的无进化基线；六个应用案例显示能力保留到后续网站、游戏和研究任务，同时也记录了未完成目标和不成功策略。
推荐理由：论文在固定基础模型的前提下把任务经验转为可复用组件，并如实记录未完成目标，便于读者评估自我进化系统的真实边界。
研究者提出一种拉马克式进化框架，用候选训练场景分布之间的竞争取代基于真实度、难度或风险等替代指标的自动驾驶训练策略发现，并将其表述为多阶段双层优化问题。外层通过达尔文式交叉、变异和选择探索场景分布空间，内层策略学习并经拉马克式遗传传递能力，使场景分布与策略能力共同进化。实验显示，完整框架相比基线最多降低 25.07% 的性能损失，蒸馏出的轻量化拉马克训练策略仍实现 19.13% 的降低，代码已在 GitHub 开源。
一项 arXiv 研究提出基于反思进化（ReEvo）的模因算法，用于解决流体天线系统（FAS）的安全端口选择问题，防范窃听。与现有 LLM-GA 仅用 LLM 设计交叉或变异算子不同，该算法让 LLM 离线进化出交叉、变异和局部搜索三类算子，嵌入模因搜索框架后执行时无需在线调用 LLM。相同代数下仿真显示，其安全和速率高于传统 GA 及现有 LLM-GA。
研究者推出自进化智能体框架 EmbodiedRSI，让机器人自主决定探索方向，并将物理交互转化为代码与技能改进。其采用 Fast-Slow 双系统架构，用 Hypothesis Graph 维护竞争性代码与技能假设。在 RoboCasa365 上总体成功率达 77.0%（最佳基线为 40.1%），LIBERO-Pro 上达 86.8%，并可零样本迁移到真实机器人，多任务成功率为 71.3%。
arXiv 论文提出 ScienceClaw 框架，将 AI for Science 智能体的持续自我进化形式化为固定参数的程序自我进化，统一任务求解、科学验证与程序更新。其配套评测 ScienceClaw-Eval 覆盖 23 个学科，通过序列任务流与独立重置评测衡量科学正确性、进化收益、保持率、跨数据集迁移和进化成本。框架仅当源任务重放复现修复且独立科学任务获得提升时才保留更新，代码已开源。
研究者提出 TRIZ^a，一种结合 TRIZ 发明理论与 LLM 智能体进化搜索的研发自动化范式，用 40 条发明原理和矛盾矩阵替代随机变异来引导方案生成。在 PowerDuck GOOSE、CICIoT2023、CIC-DDoS2019 三个网络安全数据集上，配对重跑协议下 F1 分别绝对提升 +2.88、+4.23、+0.15 个百分点；一次 45 活动的 CICIoT2023 完整实验将 macro-F1 从 0.8325 提升至 0.8483，但未通过冻结的晋升门控。
ShinkaEvolve v0.0.7 已发布至 PyPI。新增 Wolfram Language 和 Go 作为一等演化目标，并补充 Gemini 3.5 Flash 与 Claude Opus 4.8 的定价条目。修复了 WebUI 中仅完成初始生成的运行被过滤为空结果、以及单模型 Headless 运行在 Ensembling 标签页不显示数据点的问题。