Problem

目前提升大型語言模型（LLM）代理能力的方法多依賴單線程的自我改進，容易陷入局部最佳解並產生路徑依賴。當優化特定任務時，常會導致其他任務表現退化，導致改進過程缺乏穩定性與廣泛的適用性。

Method

DarwinX 將代理的「裝備」（Harness，包含提示、工具、技能與控制流）視為演化種群。核心機制包含「保留與擴展」合約，確保新變體僅在不造成效能退化的前提下增加覆蓋率；同時利用存檔機制保留不同譜系進行重組，並透過統一介面整合失敗案例、導師回饋與自我導向的編輯證據。

Results

在四項基準測試中，DarwinX 平均提升約 17 個百分點。在 Terminal-Bench 達到 84.7% 的頂尖表現，而 WebArena-Infinity 的任務通過率更從 43.5% 飆升至 93.0%。演化出的能力展現出高度通用性，能無縫轉移至不同模型與 SWE-bench 等全新測試環境。

Significance

本研究證實了即便不更動模型權重，僅透過對代理裝備進行天擇演化也能大幅強化能力。這成功將評估階段的運算資源轉化為持久的代理技能，為開發具備自我進化能力的通用人工智慧提供了一套強大的框架。