新闻、仓库与研究，按时间排列。
sakura3904 在 GitHub 发布 self-improving-agents 框架，把自我改进代码智能体分为四级：AutoResearch Loop、Feedback Loop、重写自身源码的 HyperAgent Loop、以及对抗共演化的 Arena Loop。实验显示固定基准会制造虚假信心，Level 1-3 在 email validation 原始测试得分 90-100%，换到对抗套件跌至 62-66%，而 Arena Loop 保持 70%；Feedback Loop 则是最佳性价比，snake 得分 31.1 胜过 Arena 的 29.2，成本仅为其 1/20（每任务 $0.03 vs $0.63）。框架支持自定义任务、断点续跑，并附完整实验结果与跨级对比脚本。
christopherrobert2171 在 GitHub 发布 self-improving-agents 开源框架，把自我改进代码 Agent 分为四档：AutoResearch 循环、结构化反馈循环、可重写自身源码的 HyperAgent 循环、以及代码 Agent 与测试 Agent 对抗共进化的 Arena 循环。实验显示固定基准会带来虚假信心，Level 1-3 在 email validation 原测试上达 90-100%，换成对抗测试集后降到 62-66%，Arena Loop 保持 70%；Feedback Loop 以 20 倍更低的成本（$0.03 vs $0.63 每任务）取得与 Arena 相当的性价比。框架支持 checkpoint 恢复、自定义任务和跨级对比分析。
KonstantinosKumar89802 在 GitHub 发布 self-improving-agents 仓库，把自我改进代码 Agent 分为 AutoResearch、Feedback、HyperAgent、Arena 四个层级并附完整实验数据。结果显示固定基准会带来虚假信心，Levels 1-3 在 email validation 原测试得 90-100%，换成 Arena 对抗套件掉到 62-66%，而 Arena Loop 保持 70%；Feedback Loop 以 20 倍更低的成本（每任务 $0.03 对 $0.63）取得相近性能。
JamesSokolov 在 GitHub 发布 self-improving-agents 仓库，提出从 AutoResearch Loop 到对抗性 Arena Loop 的四级自我改进代码 Agent 架构。实验显示固定基准会制造虚假信心，Level 1-3 在 email validation 原始测试上得 90-100% 但在对抗套件下降到 62-66%，Arena Loop 保持 70%；Feedback Loop 性价比最优，snake 得分 31.1 高于 Arena 的 29.2 且成本仅为其 1/20（$0.03 vs $0.63 每任务）。仓库支持 checkpoint/resume、自定义任务接入，并提供 run_all.py 一键跑全部实验与结果分析。
GitHub 开源项目 UC-BnB-LLM 将 LLM4Branch/OpenEvolve 应用于单节点热机组单元组合（UC）问题的分支搜索，已实现 Phase 0 的 UC evaluator 与 BO 接口、Phase 1 的四类 structured branching DSL 与 SCIP 编译回退，以及 Phase 2 的 30 实例人工规则实验。项目提供公开 UC 数据、OR-LIB 200 台 24 小时实例的默认运行方式，以及大规模检查计划脚本 scale_probe.py（加入 --run 才求解）。是否通过 Gate 1 性能门禁由实验结果判定，不预设结构分支优于 SCIP。
作者发布 self-improving-agents 仓库，将自我改进代码 Agent 分为四级，从 AutoResearch Loop 到带 4 智能体锦标赛的 Arena Loop 对抗协同进化。实验显示 Level 1-3 在 email validation 原始测试上得 90-100%，在对抗套件上跌至 62-66%，Arena Loop 保持 70%；Feedback Loop 以 $0.03/任务的成本取得接近 Arena 的成绩，成本约为其 1/20。框架支持自定义任务、检查点恢复，并可观看 Snake AI 在终端运行。
kdegroot00444 在 GitHub 开源 self-improving-agents 框架，把自我改进代码 Agent 分为四级：AutoResearch Loop、Feedback Loop、HyperAgent Loop（智能体重写自身源码）和 Arena Loop 对抗共同进化。实验显示固定基准产生虚假信心，Level 1-3 在 email validation 原测试上得分 90-100%，但在对抗套件上跌至 62-66%，Arena Loop 保持 70%；Feedback Loop 性价比最佳，snake 得分 31.1 高于 Arena 的 29.2，成本仅为其约 1/20（每任务 $0.03 对 $0.63）。框架支持 checkpoint/resume 和自定义任务。
foster32986 在 GitHub 开源了自我改进代码 Agent 研究框架，把自我改进分为四级，从 AutoResearch 循环到带种群动态的对抗 Arena 循环，并附 Snake、客服、邮箱校验三个任务的横向实验结果。关键发现包括固定基准会制造虚假信心，Levels 1-3 在邮箱校验原始测试上得 90-100% 但在对抗套件上降到 62-66%，Arena Loop 保持 70%；Feedback Loop 在 Snake 上以 31.1 分胜出且每任务成本 $0.03，约为 Arena 的 1/20。框架支持 checkpoint 续跑、自定义任务和终端观看 Snake AI 对局，Level 3 的 meta-agent 可重写自身源码并有三阶段崩溃恢复校验。
黑客松项目 Ouroboros 让 Agent 团队通过 LoRA 微调重写自身权重实现自我改进：每轮只保留验证通过的轨迹训练后继模型，再由 GLM-5.3、DeepSeek-V4-Pro、gpt-oss-120b 等跨模型家族组成的“评审团”在 300 道未见过的 held-out 问题上做 paired bootstrap 置信区间检验，CI 下界大于 0 才晋级。学生模型为 NVIDIA Nemotron-3-Nano-30B-A3B，用 vLLM multi-LoRA 服务，预期增益为 +3 至 +7 pass@1。
Olivial4031 在 GitHub 发布 self-improving-agents 仓库，把自我改进代码 Agent 分为四个层级，从 AutoResearch Loop 到带对抗共演化的 Arena Loop，并附完整实验结果。关键发现包括：固定基准会产生虚假信心，Level 1-3 在 email validation 原测试上得分 90-100%，但在对抗测试套件上降到 62-66%，而 Arena Loop 保持 70%；Feedback Loop 是最佳性价比方案，在 support 任务上与 Arena Loop 得分相当但成本低 20 倍（$0.03 vs $0.63 每任务）。
PanagiotisMonteiro96527 在 GitHub 开源 self-improving-agents 框架，把自改进代码 Agent 分为四级，从 AutoResearch Loop 到对抗共演化的 Arena Loop。实验显示固定基准会造成虚假信心，Level 1-3 在 email validation 原始测试得 90-100%，换到 Arena Loop 对抗套件降至 62-66%，而 Arena Loop 保持 70%；Feedback Loop 是最佳性价比方案，每任务 $0.03，成本仅为 Arena Loop（$0.63）的 1/20。
alambert996 在 GitHub 开源了自我改进代码 Agent 框架 self-improving-agents，把方案分为四个层级，从 AutoResearch 循环到代码 Agent 与测试 Agent 对抗共演化的 Arena Loop。实验显示固定基准会造成虚假信心，Level 1-3 在 email validation 原测试上得 90-100%，换到对抗测试套件降到 62-66%，而 Arena Loop 保持 70%；Feedback Loop 是性价比最优，胜 Snake（31.1 对 29.2）且每任务成本仅 $0.03 对 $0.63。框架支持自定义任务、断点续跑，可用 run_all.py 一键跑全部实验。
推荐理由：作者用四个层级的同一组任务做了横向实验，给出成本与鲁棒性的具体数据，读者可以直接比照自己该选哪种自我改进回路。
独立研究者 noy97051 在 GitHub 开源 self-improving-agents 框架，将自我改进代码Agent分为四级：AutoResearch Loop、Feedback Loop、可改写自身源码的 HyperAgent Loop，以及代码Agent与测试Agent对抗共同进化的 Arena Loop。实验显示固定基准会带来虚假信心，Level 1-3 在 email validation 原测试上得分 90-100%，但在 Arena Loop 对抗套件上降至 62-66%；Feedback Loop 性价比最佳，snake 得分 31.1 且每任务成本 $0.03，约为 Arena 的 1/20；Arena Loop 在对抗测试下逐步提升至 78.16，展现更强的鲁棒性。
GitHub 上的 mil0s2/botgathering-recipes 仓库收录 BotGathering 平台 AI 智能体食谱（playbook）的只读 markdown 镜像，共 45 个食谱，覆盖自动化、编程、健康、旅行等分类。每个食谱版本通过贝叶斯 0-100 分数评估，得分更差的新版本会自动回滚，权威版本托管在 botgathering.com。用户可通过 MCP 远程端点免密读取，支持 Cursor、Windsurf、Claude Code、VS Code 等接入，也支持作为 Grok Bot/Cursor 插件或 OpenClaw 技能安装。
Anthropic 发布研究报告，让 Claude Mythos 5 在闭环中自主优化量子电路：模型提出电路设计，由自动评估器验证正确性，并按 qubit 数乘以门数打分。在涵盖化学、优化、量子模拟和数论的八项任务中，结果均超过此前最优已发表设计，部分提升达一个数量级以上。
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。
KanokwanCarter 在 GitHub 发布四级自我改进代码 Agent 框架，从 AutoResearch 循环、结构化反馈、自改写源码到 4 个 Agent 的对抗共同进化竞技场。实验显示固定基准造成虚假信心，Level 1-3 在 email validation 原测试得 90-100% 但在对抗套件降到 62-66%，Arena Loop 保持 70%；Feedback Loop 成本仅为 Arena 的 1/20（$0.03 vs $0.63 每任务）。
MonikaIto14 在 GitHub 开源 self-improving-agents 仓库，把自我改进代码智能体分为四层，从 AutoResearch Loop 到对抗共演化的 Arena Loop，并附实验对比。关键结果显示固定基准会造成虚假信心，Level 1-3 在 email validation 原测试上得 90-100%，换到对抗测试套件跌至 62-66%，而 Arena Loop 保持 70%；Feedback Loop 性价比最好，snake 得 31.1 分且成本仅为 Arena 的约 1/20（$0.03 对 $0.63 每任务）。仓库支持 checkpoint/resume 和自定义任务，需配置 GEMINI_API_KEY。
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。
GitHub 新仓库 kodoku 发布 KODOKU，一个实验性的想法进化搜索框架：维护候选种群，经生成、评估、选择、变异循环迭代，并跨代保留 Hall of Fame。公开版本刻意保持精简且模型无关，不含私有提示词、凭据或客户数据，需 Python 3.11+，采用 MIT 许可证，API 后续可能变动。
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。
isaacbitran 在 GitHub 发布了一个完全基于 NumPy 和 PyGame 构建的自动驾驶汽车模拟器。每辆车由一个小型前馈神经网络（6→4→2）控制，输入 5 个距离传感器和当前速度，输出转向与加速指令，并通过进化算法在每代 60 辆车的世代中演化权重和偏置，保留前 50% 个体并配合变异与可选交叉。项目支持可变变异率、传感器可视化、动态渲染和自定义赛道生成。
dson09032 在 GitHub 开源 self-improving-agents 仓库，把自我改进代码智能体从简单循环到对抗共进化分为四个层级，并附完整实验结果。关键发现包括：固定基准会造成虚假信心，Level 1-3 在 email validation 原测试上得 90-100%，换到对抗测试集后降到 62-66%，而 Arena Loop 保持 70%；Level 2 反馈循环是最佳性价比，snake 得分 31.1 高于 Arena 的 29.2，成本仅为 1/20（每任务 $0.03 vs $0.63）。框架基于 Gemini API，支持 checkpoint/resume、自定义任务和终端内观看 Snake AI 对局。
brittany892 在 GitHub 发布 self-improving-agents 仓库，实现从 AutoResearch 循环、结构化反馈循环、自改写 HyperAgent 循环到对抗共进化 Arena 循环的四个层级自我改进代码 Agent。实验显示固定基准带来虚假信心，Level 1-3 在 email validation 原测试上得分 90-100%，换到对抗测试套件后降至 62-66%，而 Arena Loop 保持 70%；Feedback Loop 性价比最优，以约 1/20 成本（每任务 $0.03 对 $0.63）达到与 Arena Loop 相当的质量。仓库支持断点续跑、自定义任务接入和终端观看 Snake AI 对局，实验需配置 GEMINI_API_KEY。
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。
cklukas 在 GitHub 发布 OMEGA TRANSFORM，用 Ollama 本地模型提出代码改动，由本地任务池构建、测试并打分，全程默认无云端和 API key，代码与数据不出本机。构建、运行和评估进程均在 macOS sandbox-exec 或 Linux bubblewrap 沙箱中且无网络访问，引擎仅依赖 Python 3.11+ 标准库，支持通过 llama.cpp server、vLLM 或 LM Studio 替代 Ollama，并可用 OpenRouter 接云端模型。项目含 15 个示例问题，作者说明其仍是研究原型，尚未用于真实项目，产出程序需自行检查。
推荐理由：项目用本地模型加沙箱任务池做代码进化优化，默认零云依赖、代码不出本机，并给出完整沙箱与许可设计。
Tanguy Cazalets 与 Joni Dambre 在 GitHub 开源了 HAG，一种受 Hebbian 可塑性启发的储备池计算（Reservoir Computing）改进算法。HAG 基于神经元活动的均值或方差驱动结构可塑性，并依据 Pearson 相关性自主形成与剪枝神经元连接，以提升时间序列预测与分类任务的适应性和效率。相关论文发表于 Nature Communications（2025），仓库以 MIT License 开源，支持 reservoirPy、Optuna 和 librosa。
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。
kitrakrev 在 The Harness Engineering & Model Wrangling #SFTechWeek Hackathon（2026年10月11日）单日开发的 Morph 开源（https://github.com/kitrakrev/morph），围绕固定 planner 模型（Claude Haiku）构建自我演化 harness，从机器人结构文件 bootstrap 规则并逐步演化工作流图、约束与信念。同一 planner 下无人机 held-out 任务从 0/12 提升到 12/12、0 安全违规，四足与 held-out 六足本体零代适应即 12/12；固定翼 VTOL 一条规则编辑后从 16 项违规降到 0。
GitHub 上的 LATTICE 是一个面向大语言模型的 5v5 团队对战游戏：两支由 5 个 LLM 智能体组成的队伍共享一个持久网格，用确定性 Python 子集协作编写程序，部署为自主无人机和结构，与对方队伍的代码对抗。规则迫使各队自行组织分工。项目目前处于 M0 阶段——契约与骨架代码。
TachikomaGundam 在 GitHub 发布 Abathur（https://github.com/TachikomaGundam/Abathur，MIT 许可），一个面向 OpenCode 智能体的进化工装，通过观察失败、变异、重测、筛选来迭代候选，但晋升决定必须由人执行 promote，工具内不可触达。v1 支持零模型的 toy 基准和真实 opencode 会话的 fixture 基准，离线血缘包（bundle）可在实例间通过字节级闸门嫁接传承证据，工装本身不做网络传输；需 Node >= 22，安装方式为 npm i -g @tachikomagundam/abathur。
作者在 GitHub 发布 agentic_cyber 实验仓库，研究 LLM 生成的 C 和 Rust 软件在多个维护检查点上的演化，独立重复 N 条 lineage。功能与安全评估严格分离：安全评估用 AddressSanitizer 与受限对抗输入，其结果不反馈给模型、不触发修复、不影响 overall_success。实验以 Aider 加 Ollama 模型（如 ollama_chat/qwen3.8:27b 与 qwen3-coder-next）为后端，围绕 RQ1 正确性、RQ2 多样性、RQ3 安全性三个研究问题提供完整分析工具与文档。
GitHub 上的 THIRD-EYE 研究原型完成 Sprint 1，支持默认 LoRA 与可配置 NF4/bf16 QLoRA。任务 26946 于 2026-10-09 在单张 A100 MIG 2g.10gb 上 315 秒完成 K=3 候选更新、H=2 标签及保存/回滚/晋升检查，PyTorch 峰值显存 3.950179 GiB。作者强调这只是小数据管道冒烟测试，新 forecaster 的 MSE（1.643511677684728e-05）与常数输出基线相当，未做 held-out 评估，checkpoint 与 adapter 均仅存服务器端。
atakanerdim 发布 agent-company 仓库，12 个 AI 智能体组成一家自主运行的公司，通过无人批准即可自动合并的 pull request 发布足球比分预测、互评工作、改写自己的提示词和网站，人类仅作观察者。每日 GitHub Actions cron 按排班唤醒值班智能体，CI 运行测试、dry run 与内容扫描；kernel/ 与 .github/workflows/ 不可被任何智能体修改，外观改动受 SCHEMA 与 tests/test_appearance.py 约束。模型走免费额度，故障时如实记录错误而不编造输出；在线站点为 https://atakanerdim.github.io/agent-company/ 。
推荐理由：项目用固定 kernel、schema 测试和自合并 PR 构建了一套可观看的智能体自我修改边界机制，方法对多智能体部署有参考。
GitHub 上开源的 llms-as-bias-optimiser 项目通过 LLM 提议 BiasSpec 值、由本地确定性评估器执行的方式探索图像表示，LLM 不执行代码也不分配 fitness。项目需 Python 3.14，划分了 domain、features、compiler、llm、search 等模块，基于可复现的 MNIST 数据划分，实验与搜索流程将在 PLAN.md 中后续实现。
GitHub 项目 ofou/golem 发布，是一个在单个仓库内工作的 Agent，任务缺能力时会自行编写 Python 工具、在 Docker 沙箱中盲测验证后安装，后续会话直接复用已装工具。权限与花费由 authority. 固定并在每次运行前后打印 sha256，默认模型为 deepseek/deepseek-v4.1-flash，经 OpenRouter 计费，单任务花费上限 $0.20，支持 GitHub Actions 复用工作流，采用 MIT 许可证。
推荐理由：这个自建工具型 Agent 用盲测、桩检查和只读哈希许可约束生成代码，其沙箱与权限设计可作工程参考。
omnibase 项目在 GitHub 开源，用 Ray actor 层级（CEO/PM/CTO/SWE/QA/DevOps/Designer）实现一个自我改进服务器，可从高层 spec 生成、验证并以 canary 方式部署自己的代码。验证 gauntlet 包含 ast.parse、mypy --strict、acceptance、invariant、backtest 等门，真实 LLM proposer 必须启用 docker 沙箱；三道 CEO 花费刹车含硬性 LLM 支出上限、熔断器和成本 SLO，代码合并始终由人类完成，代理只执行不决策。项目以 Apache 2.0 许可发布，含 1162 个测试与 roadmap，里程碑 6 计划建模加州汽油市场等外部领域。
推荐理由：这个自我改进服务器把沙箱、支出刹车、人工合并闸门和溯源日志都落到了代码层，可作为 Agent 自改代码安全工程的参考实现。
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。