DUET 论文：评分器与 Agent 同步进化，Finance Agent 达 96.5%

dair_ai · x · 2026-10-13

UVA 与 Microsoft 的论文《DUET: Co-Evolving Solver and Grader Agents》提出把执行任务的 solver 和打分的 LLM grader 放进同一个优化循环交替更新，核心观点是 agent 进步后失败模式会变，固定评分器会越来越失准。

方法

• 每轮选取训练任务，运行 solver，grader 对轨迹打分并给出 critique
• 一个会用工具的更新模块交替修订 grader 或 solver，另一方保持冻结

结果

• Finance Agent Benchmark 上 solver 达 96.5%，高于 GEPA（94.4%）与 SkillOpt（94.0%），即使对手针对基准自带评估器优化也依然胜出
• GDPval 上 grader 与人类一致性从 68.4% 升至 78.5%；而只训 grader、冻结 solver 时仅从 67.9% 到 68.8%，说明二者共同进化是关键

原文链接 →

「编程与Agent」频道最新

• 用 agent 每 6 小时自动抓取 X 收藏并分类存入 Notion — _AustinCalvert_ · 2026-10-13
• X 推出统一订阅：Grok、Cursor 与 X Premium 一份订阅全打通 — SpaceXSI · 2026-10-13
• 开发者用本地 GLM 重构、前沿模型验证、mythos 加固的小工作流 — HankYeomans · 2026-10-13
• Alchemy 适配 Cloudflare 生日周：Durable Objects 可绑定多个容器 — samgoodwin89 · 2026-10-13
• Summer 推出 Game Audio Maker:一句指令给游戏生成 AAA 级音效 — garrytan · 2026-10-13
• Seroter 阅读清单:别再乱装 skills,agent 治理比工具调用更关键 — rseroter · 2026-10-13

更多「编程与Agent」频道 AI 资讯 →