arXiv · cs.AI· Lecheng Kong, Like Hui, Nikos Kanakaris, Prithwish Jana, Sahika Genc, Narayanan Sadagopan·· 2 天前
FreeEvolve：通过元进化学习超越固定循环的Agent演化框架
FreeEvolve: Learning to Evolve Beyond Fixed Loops
arXiv:2610.09197v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Lecheng Kong, Like Hui, Nikos Kanakaris, Prithwish Jana, Sahika Genc, Narayanan Sadagopan
首次提交：2026-10-07 06:47
研究任务与主要进展
FreeEvolve让Agent演化器在既定目标和资源限制内自主决定测试对象、收集多少证据、保留哪些候选以及何时停止。基于论文摘要，该方法在tau3-bench、ARC-AGI-2、ARC-AGI-3和Terminal-Bench 2.1上平均将主要留出指标提高13.6个百分点，并达到或超过手工设计的演化器；元进化技能在新目标Agent上较种子技能进一步提升6.9个百分点，显示跨环境的迁移能力。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org