Self Evolve 跨领域研究图谱

这是跨领域论文报告的公开阅读入口。它把原始 Markdown 报告整理成可浏览的网页，方便读者从主题地图进入证据链，同时保留源文件作为来源。

Self Evolve 跨领域研究图谱

日期：2026-05-22

范围：AutoML + LLM、NAS + LLM、LLM 自我改进、进化计算 + LLM，以及 AI Agent 框架进化。Wiki 检查：当前仓库快照中没有 wiki/log.md 内容，因此没有本地历史经验需要调整本次计划。

执行摘要

Self Evolve 位于五类循环的交叉点：

1. 规格到执行循环：将自然语言目标转换为可运行的 ML / Agent 流水线。
2. 搜索循环：探索架构、提示词、代码、Agent 与超参数。
3. 评估器循环：通过测试、基准、验证器或部署指标为候选方案打分。
4. 反思循环：把失败转化为记忆、反馈或修订后的候选生成器。
5. 种群循环：维护多个候选方案 / Agent，并对其选择、变异、重组或特化。

核心品牌论点：Self Evolve 不是单一论文类别，而是统一“生成、评估、记忆、改进”系统的产品与研究层。

1. AutoML + LLM

小结

• AutoML + LLM 是最接近产品化的方向：任务输入、流水线合成、评估与部署都已经被端到端系统化。
• 当前主要缺口是持续进化：多数系统自动化的是单次项目，而 Self Evolve 可以强调跨运行的基准记忆与种群级改进。

2. LLM 驱动的神经架构搜索（NAS）

小结

• NAS + LLM 提供了最强的技术隐喻：架构 / 代码就是可进化基因组。
• 质量-多样性与多目标搜索应进入 Self Evolve 词汇体系：谱系、适应度、新颖性、鲁棒性、部署成本。

3. LLM 自我改进与反思

小结

• 这个方向提供 Self Evolve 的品牌语言：经验获取 -> 经验优化 -> 更新 -> 评估。
• Self Evolve 的差异化在于统一提示时改进、Agent 记忆、代码测试、基准评测与种群搜索，而不是把它们视为孤立技巧。

4. 进化计算 + LLM / LLM 即优化器

小结

• 进化计算给 Self Evolve 最清晰的机制：生成候选、打分、选择、变异 / 重组、保留谱系。
• FunSearch / OPRO / ReEvo 暗示一种产品架构：每个产物都有适应度函数，每次运行都有轨迹，每次改进都有谱系。

5. AI Agent 框架进化模块

小结

• Agent 框架提供编排原语，但多数尚未形成持久的进化层。
• Self Evolve 可定位为 Agent 之上的缺失层：评估器、记忆、谱系、回归防护与对提示词 / 工具 / 角色的自动搜索。

面向博客 / Landing Page 的跨领域综合定位

核心对比

建议 SEO / 博客主题簇

1. “什么是自进化 AI？”：使用 Self-Refine、Reflexion、SPIN、自进化综述。
2. “LLM 即优化器”：使用 OPRO、FunSearch、ReEvo、LLaMEA。
3. “AutoML Agent”：使用 AutoML-GPT、AutoML-Agent、Text-to-ML。
4. “LLM for NAS”：使用 EvoPrompting、LLMatic、NADER、LLaMA-NAS。
5. “Agent 进化层”：比较 AutoGPT、AutoGen、MetaGPT、CrewAI、AutoAgents。

Mermaid 关系图

graph TD
  SE[Self Evolve 品牌论点\n生成 -> 评估 -> 记忆 -> 改进]

  subgraph AutoML_LLM[AutoML + LLM]
    AutoMLGPT[AutoML-GPT]
    AutoMLAgent[AutoML-Agent]
    TextToML[Text-to-ML / LLM + AutoML]
    AutoM3L[AutoM3L]
  end

  subgraph NAS_LLM[NAS + LLM]
    EvoPrompting[EvoPrompting]
    LLMatic[LLMatic]
    LLaMANAS[LLaMA-NAS]
    NADER[NADER]
    LLMO[LLM-assisted ARNAS]
  end

  subgraph SelfImprove[LLM 自我改进]
    SelfRefine[Self-Refine]
    Reflexion[Reflexion]
    SelfDebug[Self-Debug]
    SPIN[SPIN]
    Survey[Self-Evolution Survey]
  end

  subgraph EvoLLM[进化计算 + LLM]
    OPRO[OPRO]
    LLMEO[LLMs as Evolutionary Optimizers]
    FunSearch[FunSearch]
    ReEvo[ReEvo]
    LLaMEA[LLaMEA]
  end

  subgraph AgentFrameworks[Agent 框架进化]
    AutoGPT[AutoGPT]
    MetaGPT[MetaGPT]
    AutoGen[AutoGen]
    CrewAI[CrewAI]
    AutoAgents[AutoAgents]
  end

  SE --> AutoML_LLM
  SE --> NAS_LLM
  SE --> SelfImprove
  SE --> EvoLLM
  SE --> AgentFrameworks

  AutoMLAgent --> AutoGen
  AutoMLAgent --> MetaGPT
  AutoAgents --> AgentFrameworks
  NADER --> AgentFrameworks
  EvoPrompting --> EvoLLM
  LLMatic --> EvoLLM
  OPRO --> AutoML_LLM
  OPRO --> NAS_LLM
  FunSearch --> SelfDebug
  ReEvo --> Reflexion
  Reflexion --> AgentFrameworks
  SelfDebug --> AutoML_LLM
  Survey --> SE

  AutoML_LLM -->|流水线适应度| SE
  NAS_LLM -->|架构基因组| SE
  SelfImprove -->|经验飞轮| SE
  EvoLLM -->|种群搜索| SE
  AgentFrameworks -->|编排底座| SE

对 Self Evolve 的实践启示

• 产品架构：围绕候选生成、评估器、轨迹记忆、回归防护与谱系看板来构建。
• 研究叙事：引用 AutoML、NAS、自我反思、进化、Agent 作为同一范式正在汇合的证据。
• 差异化：不要声称替代 AutoGPT / MetaGPT / CrewAI；应声称在其上增加持久的评估器-记忆-进化层。
• 值得关注的基准：Self-Debugging 可关注 HumanEval / MBPP / Spider；NAS 可关注 NAS-Bench-201 / 360；提示词优化可关注 GSM8K / BBH；AutoML-Agent 可关注领域数据集；Agent 框架可关注任务完成评估。

来源索引

本报告使用的主要来源包括 arXiv、Nature、GitHub 与官方文档页面，覆盖 AutoML-GPT、AutoML-Agent、LLM + AutoML、AutoM3L、EvoPrompting、LLMatic、LLaMA-NAS、NADER、LLM-assisted ARNAS、Self-Refine、Reflexion、Self-Debugging、SPIN、Self-Evolution Survey、OPRO、LLMs as Evolutionary Optimizers、FunSearch、ReEvo、LLaMEA、AutoGPT、MetaGPT、AutoGen、CrewAI 与 AutoAgents。