RoboPhD：在紧张评估预算下进化多样的复杂智能体

2026年，对LLM引导的智能体制品进化的兴趣爆发式增长，GEPA与Autoresearch等系统证明LLM能够跨多样领域迭代改进提示、代码与智能体架构。随着采用加速，一个核心问题浮现：在相同信息、相同种子智能体与相同目标下，哪种优化算法能在相同评估预算下取得最佳结果？当评估成本高昂时——例如需要人类判断或多次LLM调用——这一问题变得尤为关键。我们首次系统比较了三种优化范式——Elo锦标赛选择（RoboPhD）、基于Pareto的选择（GEPA）与贪心爬山（Autoresearch）——覆盖抽象推理、云调度、SQL生成与金融问答四个基准，全部在1,500次评估的固定预算下进行。RoboPhD引入免验证进化：它不在训练与验证之间拆分预算，而是利用训练数据上的Elo竞争同时评估智能体并驱动进化。三个系统都接收带有诊断性print()语句的种子智能体，进化可以使其增长，从而实现自我插桩的智能体，为其进化后继者开发出信息量越来越丰富的诊断。在单一默认配置下，RoboPhD在四个基准中的三个上同时优于GEPA与Autoresearch，仅在最简单的任务上落败，而该任务的获胜解（来自我们的Autoresearch适配）所需代码不足90行。在ARC-AGI上，RoboPhD将一个22行的种子智能体进化为1,013行的多策略系统，使用Gemini 3.1 Flash Lite作为求解器将准确率从27.8%提升至65.8%。我们以MIT许可证发布RoboPhD作为多功能工具包，提供简单的optimize_anything() API用于进化多样的复杂智能体。