FreeEvolve：让智能体进化过程本身可学习

论文让智能体进化流程本身成为可学习技能，并报告多项基准提升。

资讯摘要

论文提出 FREEEVOLVE，将语言模型智能体的进化优化流程本身自动化：环境给定目标、目标智能体、评估器、数据与资源限制，进化器自行决定测试什么、收集多少证据、保留哪些候选以及何时停止，这些决策遵循可编辑的进化技能，并通过元进化按新目标智能体的表现改进该技能。作者报告在 tau3-bench、ARC-AGI-2、ARC-AGI-3 与 Terminal-Bench 2.1 上，主留出指标平均提升 13.6 点，元进化技能较种子技能再提升 6.9 点。

要点速读

1. FREEEVOLVE 把原本手工设计的固定搜索循环改为由进化器在资源限制内自主决策的进化过程。
2. 进化决策依据可编辑的进化技能，作者用元进化按新目标智能体的得分来改进该技能。
3. 作者报告在 tau3-bench、ARC-AGI-2、ARC-AGI-3、Terminal-Bench 2.1 上主留出指标平均提升 13.6 点，元进化技能较种子技能提升 6.9 点。

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 2026/10/24 08:00:37（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。