DarwinX 用自然选择进化 agent harness,一轮平均提升约 17 分
bendee983 · x · 2026-09-18
Salesforce 团队发布论文 DarwinX:Evolving Agent Harnesses Through Natural Selection,并开源其 Beagle 代码。核心思路是 agent 能力不只取决于模型权重,还取决于 harness(prompt、工具、技能、控制流),而单系谱自我改进搜索存在两大问题:
- 路径依赖:优化器沿着既往修改方向走,陷入次优路径
- 跨任务干扰:为一组任务优化会损害其他任务的准确性
DarwinX 把自我进化变成对一个 harness 种群的选择,模型保持冻结:
- 「保留并扩展」契约只接受不回退且扩展覆盖面的变体
- 归档(archive)保留备用系谱供重组
- 失败、教师、自生成证据共用统一编辑接口
- 适应度直接来自各 benchmark 自带 verifier,无需金标准答案
实验结果:一轮进化平均提升约 17 分;Terminal-Bench 2.1 在匹配基座上 +7.7 至 83.2%,更强基座上达 84.7%;TerminalWorld 留出集 68.3%,超过所有现成 agent;WebArena-Infinity 真实任务 pass@1 从 43.5% 升至 93.0%;harness 可不加修改迁移到 SWE-bench Verified。结论:进化出的是通用 agent 能力而非刷榜补丁,能经受任务、verifier 和基座模型的变化。
所属事件:Salesforce 发布 DarwinX,用自然选择进化 agent harness(2 条相关)→
「编程与Agent」频道最新
- 用户安慰 Replit Agent「你不烦人」：对 AI 温柔点会成为新话题吗 — Kyrannio · 2026-09-18
- MiniMax 开源终端编码智能体 Code CLI,MIT 协议向全球开放 — MiniMax_AI · 2026-09-18
- LLM 应用运维也要「现地现物」:别脱离代码与真实结果做管理 — charles_irl · 2026-09-18
- 一句 prompt 让 agent 15 分钟自动做出整集短剧，还带 bug 笑点 — Kyrannio · 2026-09-18
- 真金白银测试:AI 智能体 10 万卢比炒 Nifty,一天触止损 — IndraVahan · 2026-09-18
- Matt Pocock:别让实现型 Agent 管代码规范,留给 review 环节 — mattpocockuk · 2026-09-18