DEI：质量多样性搜索进化推理的多样性

我们提出 DEI：进化推理的多样性，这是一种分布式质量多样性 (QD) 搜索框架，它将异构 大语言模型 (LLM) 分配为与非阻塞集体操作通信的对等节点之间的变异算子。与在所有工作人员中复制单个模型的归纳偏差的同质并行搜索不同，DEI 将每个 LLM 的独特创意先验视为行为新颖性的补充来源。使用 DEI 扩展数字红皇后框架，节点在每轮结束时共享局部最优解决方案，以播种下一轮的种群。这会产生跨模型的对抗压力，从而推动模型内自我博弈之外的鲁棒性。在 Core War 域（Redcode Warrior 程序在模拟机器内进行战斗的竞争性编程基准）上进行评估，四节点异构集成（GPT-5.4-mini、Claude Sonnet 4.6、GPT-5.2 和 Claude Haiku 4.5）实现了 124% 的合并存档 QD 分数（45.90 比 20.46）高出 124%，覆盖率高出 28%（80.6%） vs. 63.0% 的单元）与相同 LLM 呼叫总预算下的单节点基线相比。在所有四个模型系列中，异构集成在 QD 分数、覆盖范围和保留解决方案通用性方面也优于同等预算的同质集成。这些结果提供了第一个经验证据，证明模型多样性（而不仅仅是并行性）是基于 LLM 的分布式 QD 搜索增益的关键驱动因素。