预算受限的递归自我改进：运行前给代码编辑打分

论文提出运行前给代码编辑打分的递归自我改进选择方法。

资讯摘要

一篇论文提出在代码编辑执行前先对其打分的选择方法：每次运行在父代steering-split求解率与diff的八个坐标上拟合一个线性读出，用96条脚手架编辑（由16实例拟合集上的四次评估标注）训练后冻结系数。HumanEval+留48个实例作steering split，Polyglot留64个。Huxley-Gödel Machine选择按已评估节点的steering计数做Thompson采样抽取父代，再扩展其提出的子代，最终返回steering-split求解数最大的最早已评估节点。作者报告GPT-4o十二次运行在留出HumanEval+上达87.0%，父代率消融为84.2%；该划分上Huxley-Gödel Machine选择为85.1%，根脚手架81.2%，校准最佳编辑82.8%。Claude Sonnet 4.5为86.6%，Huxley-Gödel Machine选择86.5%，父代率消融85.3%，校准最佳编辑85.1%。

要点速读

1. 方法在代码编辑运行前用线性读出打分，系数由96条脚手架编辑的标注拟合后冻结。
2. Huxley-Gödel Machine选择用Thompson采样抽父代并扩展其子代，返回steering-split求解数最大的最早节点。
3. 作者报告GPT-4o十二次运行在留出HumanEval+上为87.0%，父代率消融为84.2%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。