The Red Queen Gödel Machine: Co-Evolving Agents and Their Evaluators

论文解决了什么问题

当前自我改进智能体（如 Darwin/Huxley Gödel Machine）依赖固定外部评测标准，在缺乏直接 benchmark 的开放任务（如论文写作、证明撰写）中无法提供有效搜索信号，且静态评测易被奖励作弊或饱和。如何让评测标准本身随智能体共同进化，同时保持搜索的收敛保证，是本文要回答的核心问题。

核心方法

RQGM 将搜索组织为多个 evolutionary epoch：每个 epoch 内评测器冻结，提供固定效用信号；在 epoch 边界，挑战者评测器仅在 ground-truth anchor 上统计优于当前评测器时才被提升，并执行 selective erasure 擦除旧评测记录。任务智能体与评测器共享可编辑代码空间，由 meta-agent 统一修改，形成协同进化。

实验结论

• Polyglot 代码任务：RQGM 以 1.35×–1.72× 更少 token 达到 71.7% pass rate，超越 HGM-H 的 69.9%
• 论文写作任务：协同进化写手在 agent-as-a-judge 面板下接受率达 40.5%，较基线 21.8% 提升 1.86×

适合谁阅读