2025-05-29 科研追新
当日精选（由提交工具自动创建）。
达尔文哥德尔机：开放式进化的自我改进智能体
达尔文哥德尔机通过自主重写代码、执行下游任务评估和开放式探索，持续生成性能更强且可跨模型与编程语言迁移的智能体。
自进化 智能体 人工智能辅助编程 SWE 软件工程 模型评估 人工智能
达尔文哥德尔机（DGM）是一种能够读取并修改自身 Python 代码库的自我改进型编程智能体。系统交替执行代码自我修改与编码基准评估，根据实际性能保留有效改动，并逐步构建不断扩增的智能体库。其自主发现的改进包括增加补丁验证、优化文件查看与编辑工具、生成并排序多个候选方案，以及记录历史尝试和失败原因。实验显示，DGM 能持续提升任务表现，并将改进迁移到不同基础模型和编程语言中。
用途与启示
- 展示以真实任务评估作为反馈信号，实现智能体代码层面的持续自我进化。
- 为开放式搜索、自修改软件和自动化智能体工程提供可验证的研究范式。
- 提示自我改进系统应保存失败轨迹与版本谱系，以提高探索效率并避免重复试错。
- 可用于研究跨模型、跨语言的能力迁移，以及智能体自动开发工具链。
📝 原始笔记（逐字保留）
2. **Sakana AI 与不列颠哥伦比亚大学等机构合作的「达尔文哥德尔机（DGM）」**：DGM 利用基础模型和开放式算法来创建和评估新的 AI 智能体，并能够读取和修改自身的 Python 代码库以进行自我改进，还通过评估在编码基准上的性能来判断更改是否有效。实验表明，DGM 可以持续自我改进，并能在不同模型和编程语言之间实现迁移。
1. 论文标题：Darwin Gödel Machine: Open-Ended Evolution of Self-Improving Agents
2. 论文链接：https://arxiv.org/abs/2505.22954
3. 博客：https://sakana.ai/dgm/
达尔文哥德尔机是一种通过重写自身代码来提升编程任务性能的自我改进型编程智能体。它能实现多种自我改进，包括：增加补丁验证步骤、优化文件查看功能、增强编辑工具、生成并排序多个解决方案以选择最优选项，以及在实施新修改时记录历史尝试记录（包括失败原因）。
达尔文哥德尔机通过运用开放式探索原则，逐步构建起一个不断扩增的智能体库。该系统通过交替执行自我修改与下游任务评估的方式，持续创建新智能体并对其进行评分。