面向 auto-research 的初步结果：一个 agent 群体如何在五个开放任务上持续学习

下一代 AI 系统的关键，不只是让一个 agent 更强，而是让一群 agent 像一个组织一样积累经验、共享知识、持续进化。

过去一年，大家已经看到单个 coding agent、research agent、data agent 可以完成越来越复杂的任务。但如果我们把视角从"一个 agent 能不能解决这一次任务"移到"一个组织能不能在长期任务中越做越好"，问题就会变得完全不同。

人类组织的智能从来不只存在于某个个体脑子里。它存在于病例、论文、代码库、复盘文档、实验记录、操作手册和团队默契中。一个医生的病例会帮助后来者，一个工程团队的事故复盘会改变整个研发流程，一个增长团队的投放经验会成为下一轮实验的起点。

Agent 也应该这样。

我们认为，自进化 agent 的真正形态，不是一个模型在一次上下文窗口里"临场变聪明"，而是一个 agent 群体在长期运行中形成组织记忆：每一次尝试、失败、修复、突破，都会进入共享经验层，被后续 agent 读取、压缩、复用，并推动下一轮探索更快到达有效区域。

这就是 Evolvent 正在构建的方向：让 agent 从一次性工具，变成拥有复利记忆的智能组织。

从单体智能到群体智能

今天大多数 agent 系统仍然像"雇了一个聪明实习生"：它可以完成任务，但任务结束后，经验很难自然沉淀。下一次再启动，agent 仍然要重新理解代码、重新踩坑、重新发现哪些方法有效。

真实组织不是这样运转的。组织会把经验变成可复用资产：流程、知识库、benchmark、榜单、最佳实践、失败案例、领域术语、决策原则。个体会学习，团队也会学习。个体能力决定一次任务的上限，组织学习能力决定长期复利。

所以我们把 evolve 分成两个层次：

个体 evolve 让 agent 更熟练，群体 evolve 让组织更聪明。真正有价值的不是"某个 agent 偶然做对了一次"，而是系统能不能把这次做对的原因留下来，让下一批 agent 更快、更稳、更系统地做对。

在实现上，这意味着 agent 不能只共享最终答案，还要共享探索过程：哪些方向试过、为什么失败、哪个程序当前最好、哪些策略跨任务稳定有效、哪些经验应该进入长期记忆。每个 agent 都在独立工作区里探索，由 grader 给出反馈；共享状态层持续保存 attempts、notes、skills、leaderboard；系统周期性触发 reflect、consolidate、pivot，把零散轨迹整理成可被下一轮 agent 使用的组织知识。

这不是简单地把 context window 变长，而是给 agent 群体加上一套"组织学习回路"。

为什么是 AutoResearch

为了验证这套机制，我们选择了一组 AutoResearch 风格任务。它们不是聊天问答，也不是固定流程自动化，而是需要反复尝试、评估、修正、再尝试的开放式搜索问题。

这类任务天然适合检验群体智能：

• 反馈足够可验证：每次提交都会被环境评分，而不是只靠主观判断。
• 搜索空间足够大：单个 agent 很难一次就稳定找到高质量路径。
• 经验可迁移：成功模式、失败模式、启发式和代码结构都可以被后续 agent 继承。
• 领域差异足够大：如果同一套机制能跨系统、算法、科学任务工作，说明它不是为单一 benchmark 定制的技巧。

我们用五个场景观察 Evolvent 的群体进化闭环：信号处理、底层 kernel 优化、MoE 负载均衡、组合优化和分子设计。它们覆盖了从数值科学、系统软件到 AI4Sci 的不同问题形态，但都可以被统一抽象成同一个循环：

agent 生成候选方案，环境给出评价，系统记录轨迹并沉淀群体经验，后续 agent 再基于这些经验继续搜索。

下面是五个任务从初始 seed 到 evolved best 的性能跨度：

下面是同一组实验在真实评测下的逐任务 best-so-far 记录——每个任务独立绘制，横轴是 grader 评分的尝试序号。可以看到，很多提升不是线性爬升，而是发生在若干次尝试之后的跃迁点，随后进入平台期：

案例 1：信号处理

信号处理是最容易直观看到"进化"发生的一组实验。任务是实时自适应信号滤波：输入是一条带噪的动态信号，目标是在降噪的同时尽量贴近干净的目标信号。

这个任务的难点在于平衡。滤波太弱，噪声留下来；滤波太强，动态细节被抹掉。agent 需要在大量候选程序中找到更稳的滤波策略，并通过评分反馈不断修正。

我们跑了两组 context pool 实验，一组使用 Qwen，一组使用 Claude。两组都能看到 best-so-far 随着尝试推进而提升，并且后续 turn 的起点更高。这意味着系统沉淀下来的经验已经开始影响新的探索，而不是每个 agent 都从零开始。

这里的核心不是"某个模型写出了一段不错的滤波代码"，而是系统开始形成任务级直觉：哪些平滑策略会损失动态，哪些参数更稳，哪些结构值得继续局部搜索。这些直觉进入共享经验层后，后续 agent 的探索起点就被整体抬高了。

案例 2：底层 Kernel 优化

Kernel Builder 是一个偏底层系统的问题。环境给定一个 kernel，agent 需要通过调度、向量化和内存访问优化降低 cycles。这个任务的反馈非常工程化：一个看似很小的代码改动，可能会改变整个执行流水线。

这类问题很适合体现群体智能的价值。单个 agent 可能会试出一个局部优化，比如减少某类 load/store，或者调整 SIMD 调度。但如果这些发现只停留在一次运行里，下一次就会被浪费。群体 evolve 的意义，是把这些微小但昂贵的发现沉淀下来：哪些优化方向真的有效，哪些会引入调度冲突，哪些代码形态更容易被硬件执行模型接受。

当后续 agent 继承这些模式时，它不再是在随机变异代码，而是在已有工程经验上继续搜索。对系统软件和性能优化来说，这一点尤其重要，因为真正的进步往往来自大量小经验的累积，而不是一次"大灵感"。

案例 3：ADRS / EPLB

EPLB 是 MoE serving 里的 expert load balancing 问题。真实系统中，某些 expert 会成为热点，导致 GPU 负载不均、尾延迟上升。agent 的任务是决定哪些 expert 需要复制，如何放置到不同 GPU 上，从而让负载更均衡。

这个任务的关键在于全局权衡。只盯住局部热点，可能会把瓶颈迁移到另一个 GPU；只追求平均负载，也可能忽略真实 workload 中的长尾压力。单次尝试往往只能证明一个策略在某个 workload 上有效，而多次尝试叠加后，系统可以总结出更稳的策略：热点 expert 优先复制，不要只追局部均衡，关注跨 GPU 的瓶颈迁移。

这就是组织经验和单次结果的区别。单次结果告诉你"这次怎么放"；组织经验告诉后续 agent"面对类似负载形态时，应该优先考虑什么"。

案例 4：Frontier-CS / Polyominoes

Polyominoes 是一个组合优化任务：给定一组不规则拼图块，agent 需要把它们尽量紧密地放进网格里。它不像数值优化那样有平滑梯度，更多依赖搜索策略、局部修复和约束处理。

这类任务里的经验通常不是一个单一公式，而是一组启发式：先放大块，减少孔洞，局部回退，把边界形状用于后续填充，避免早期选择造成不可修复的空隙。单个 agent 可以在自己的轨迹里形成这些技能，群体层面则把有效启发式写入共享 notes，帮助后续 agent 更快找到可行布局。

组合优化往往没有一个"看一眼就知道正确"的答案。它需要耐心、试错和记忆。群体智能的价值，就是让试错不被浪费。

案例 5：Drug Design

Drug Design 是一个 AI4Sci 风格的分子优化任务。agent 需要在候选分子空间中搜索更高分的结构，同时兼顾有效性、相似性、新颖性等约束。

这个任务很有代表性，因为它不是简单让分数随机上升。随着 evolve 推进，候选会逐渐偏向某些更稳定的 scaffold family。也就是说，系统记录的不只是"哪个分子得分高"，还包括"哪些结构改动方向更可能带来高分"。

对 AI4Sci 来说，这一点很关键。真正有用的系统不应该只是吐出一个分数最高的候选，而应该帮助研究者理解搜索过程：哪些方向被探索过，哪些结构族更有希望，哪些约束在限制进一步提升。群体经验让这些信息不再散落在一次次尝试里，而是被整理成下一轮研究可以复用的知识。

群体智能的飞轮

把这些案例放在一起看，我们真正想证明的不是"某个环境里拿到了一个不错分数"，而是一个更底层的闭环开始成立：

1. agent 并行探索不同候选方案。
2. 环境和 grader 给出可比较的反馈。
3. 系统保存完整轨迹、best programs、失败案例和中间观察。
4. 经验被整理成 notes、skills、synthesis 和 leaderboard。
5. 后续 agent 读取这些经验，用更高的起点继续搜索。

这个循环每转一轮，组织就多一点经验；经验越多，下一轮探索越少浪费；探索越有效，系统越能发现新的可复用模式。最终形成的不是一个"会做某件事的 agent"，而是一个会持续学习的 agent 组织。

我们相信，这会成为 B 端 agent 系统的重要形态。企业真正需要的不是一次性 demo，而是长期运行后越来越懂业务、越来越懂系统、越来越懂组织偏好的智能体网络。投流、增长运营、行业研究、研发流程自动化、数据分析、实验设计，都是同一类问题：任务会重复出现，环境会变化，经验必须沉淀，组织需要越跑越强。

Evolvent 的目标，就是把这种长期复利带到 agent 系统里。

不是让一个 agent 单次表现得更像专家，而是让一群 agent 在持续工作中，逐渐形成一个真正会学习、会协作、会进化的智能组织。