35B模型结合进化算法超越GPT-5.5，实现递归自我改进
cwolferesearch · x · 2026-08-03
当前多数递归自我改进（RSI）研究依赖编码智能体进行简单的爬山算法。本文介绍的 Frontis-MA1（35B）尝试引入进化/遗传算法来释放更大潜力。
该模型被训练为一个面向机器学习工程（MLE）的元进化智能体，核心机制包含四个原子操作：草拟、改进、调试和交叉。它不再只生成单一方案，而是在沙盒中演化大量候选代码，通过执行真实任务得分来指导长周期搜索。
实验结果显示，在 MLE-Bench Lite 测试中（单卡 RTX 4090 限制下），该系统将基础模型的奖牌平均得分从 39.39% 提升至 60.61%，在使用经验先验和异步搜索的 Evo-Max 机制下更是达到 71.21%，超越了 GPT-5.5 + Codex，逼近 GPT-5.6 Sol 和 2.8T 参数的 Kimi K3。
「编程与Agent」频道最新
- Warp 推出 Agent 提示词排队功能 — vikvang1 · 2026-08-03
- Pi 编程助手接入 Celesto：在隔离云电脑安全运行代码 — aniketmaurya · 2026-08-03
- Adam Jacob：AI 智能体将催生「自适应软件」全新品类 — matt_slotnick · 2026-08-03
- 别再迷信单次提示词，多轮对话才是 AI 游戏设计的核心 — TAbrodi · 2026-08-03
- 指挥 AI 编程大军：软件开发正变得像打《星际争霸》 — round · 2026-08-03
- Claude Skills 实战：按需加载专属指令，彻底优化上下文窗口 — anselm · 2026-08-03