2025-05-01 · featured
Darwin Gödel Machine：开放式自进化 Agent 归档
结合达尔文进化与哥德尔机自引用，维护开放式 Agent 归档库，通过基础模型提出代码修改并在基准测试中验证改进。
核心思想
结合 Darwinian 进化与 Schmidhuber 的 Gödel Machine 自引用思想。维护一个不断增长的 Agent 实现归档库，每次迭代：
- 从归档中采样父代 Agent（多样性加权）
- 基础模型（Claude/GPT）提出代码修改
- 在基准测试上评估修改后的 Agent
- 改进的版本保留到归档
开放式进化
与收敛到单一最优解的传统进化算法不同，DGM 维护多样性归档，实现：
- 探索质不同的 Agent 架构
- 发现人类未预想到的策略
- 累积改进而不陷入局部最优
Benchmark 结果
| 基准 | 进化前 | DGM 后 |
|---|---|---|
| SWE-bench | 20.0% | 50.0% |
| Polyglot | 14.2% | 30.7% |
发现的 Agent 可跨领域、跨模型迁移。
关键联系
- 基于同组 ADAS 工作，增加了开放式归档机制
- 受 POET（开放式学习）和 Quality Diversity 算法启发
- 与 Gödel Agent 同期但方法不同