Red Queen Gödel Machine (RQGM)：共进化 Agent 与评估器的递归自改进框架¶
Ch01.1390 Red Queen Gödel Machine (RQGM)：共进化 Agent 与评估器的递归自改进框架¶
📊 Level ⭐⭐ | 3.5KB |
entities/rqgm-red-queen-godel-machine-cambridge-nvidia-2026.md
Red Queen Gödel Machine (RQGM)：共进化 Agent 与评估器的递归自改进框架¶
Cambridge + NVIDIA (2026-06-24) 提出的进化框架，解决自改进 Agent 的根本性局限：评估标准假设是固定的，但进化要求评估器也一起进化。
核心问题¶
现有自改进 Agent 假设评估标准是平稳的（stationary）：固定的 verifier、benchmark、标注数据集。但这违背了进化的核心规律：物种不是在静止环境中优化自己，而是和不断变化的环境一起改变。
历史脉络¶
| 阶段 | 方案 | 局限 |
|---|---|---|
| Gödel Machine (2003, Schmidhuber) | 数学证明自修改有益 | 计算成本不可行 |
| Darwin/Huxley Gödel Machine | 进化替代证明（突变→测试→生存） | 评估器静态不变 |
| RQGM (2026) | 评估器和 Agent 共进化 | 本文贡献 |
核心机制：受控效用进化 (Controlled Utility Evolution)¶
RQGM 将搜索组织为 epoch： 1. epoch 内：评估器冻结 → 信号稳定 2. epoch 边界：效用可以更新 3. 新评估器必须在留出的锚点数据上统计意义上打败老评估器 4. 选择性擦除：只丢掉被替换评估器打过的分，保留其他证据
这确保了自改进保证在每个 epoch 内成立，同时目标跨 epoch 演化。
实验结果¶
代码编写 (Polyglot)： - 通过率：69.9% → 71.7%（+1.8% over SOTA） - Token 效率：省 1.35-1.72x - 机制：agent-as-judge 代码审查信号（比多轮测试便宜）
科学论文写作： - 接收率：21.8% → 40.5%（1.78-1.86x 提升） - 共进化写手 + 多样化 agent-as-judge 评审团
奥赛级数学证明： - 评分器准确率：比静态基线高 9% - 搜索成本：降低 3x
论文评审（偏见修正）： - 问题：最强基线审稿人过度接受 AI 论文（1.91x 人类接受率） - 解法：对抗性目标发现对 AI 和人类同样严格的审稿人 - 结果：平等对待，同时保持 80% 真值准确率
关键意义¶
- Novel 框架：首次将评估纳入递归自改进循环
- 实用结果：代码、论文、数学多领域强改进
- 偏见修正：修复 LLM 过度接受 AI 生成内容的倾向
- 效率提升：通过更智能的评估显著节省 token
- 理论基础：用进化原则扩展 Gödel Machine 概念
相关实体¶
- AI 递归自改进 — 自改进的更广泛背景
- Agent 自改进六机制 — 自改进机制分类
- 验证器驱动开发 — 验证器在 Agent 系统中的角色