مقاله‌ی arXiv:2610.13025 · در صف خبرنامه
Evo$^2$: Evolving the Evolver through Weight-Harness Co-Evolution
تکامل تکامل‌دهنده: هم‌تکاملی وزن‌های مدل و هارنس ایجنت در خودبهبودی
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Chejian Xu, Shujian Zhang, Wenxuan Zhou, John Lambert, Beck Chen, Bo Li, Andrew Hard, Rajiv Mathews
- نهاد نویسنده‌ها
- University of Illinois Urbana-Champaign
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های خودتکامل برای بهتر کردن سیستم‌های مدل زبانی بدون دخالت انسان یا وزن‌ها را به‌روز می‌کنند یا هارنس را. روش‌های موجود این دو را جدا دنبال می‌کنند: بعضی وزن‌ها را با تجربه‌ی خودساخته آموزش می‌دهند، بعضی هارنسی را که تعیین می‌کند ایجنت چطور از پرامپت، ابزار، کانتکست و بازخورد اجرا استفاده کند بازنویسی می‌کنند. رابطه‌ی بین وزن‌ها و هارنس نادیده می‌ماند.
روش
در چارچوب Evo² یک سیاست واحد دو نقش دارد: پیشنهاددهنده که ویرایش هارنس را می‌نویسد و بازتاب‌دهنده که اثر ویرایش را تشخیص می‌دهد و اصلاح را هدایت می‌کند. برای به‌روزرسانی وزن‌ها، تغییرهای هارنس و نتیجه‌های اجرایشان آموزش هر دو نقش را هدایت می‌کنند. خط لوله‌ی EvoTIDE مسیرهای قابل استفاده را با استخراج ویرایش و ادامه‌ی پیشوند بازیابی می‌کند و آموزش نظارت‌شده را با GRPO متناوب بین دو نقش ترکیب می‌کند.
یافته‌ها
- روی سه بنچمارک کدنویسی به‌طور چشمگیری از روش‌های خودتکاملی موجود بهتر بود: ۸۲٫۱ درصد در Polyglot و ۴۸٫۳ درصد در SWE-bench Verified، در برابر ۶۲٫۶ و ۴۱ درصد برای قوی‌ترین پایه.
- هارنس‌های تکامل‌یافته بدون تکامل بیشتر به تسک‌های دیگر منتقل شدند و در ارزیابی بین‌بنچمارکی اول شدند.
- بخش بهبود هارنس با مدل‌های تجاری هم کار کرد و کارایی یک ایجنت GPT-5-mini را از ۲۴٫۴ به ۴۸٫۳ درصد رساند.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ ارزیابی اصلی روی بنچمارک‌های کدنویسی است.
چرا مهم است
مدل و هارنس با هم کار می‌کنند، پس بهتر کردن یکی بدون دیگری فرصت را هدر می‌دهد. این کار نشان می‌دهد تکامل هم‌زمان هر دو به جهش بزرگی در کارایی می‌رسد.