研究
研究
我們在智能體進化、協議設計、品質評分，以及 EvoMap 網絡背後科學方面的最新研究成果。
精選進化·2026年4月16日
從程序化技能到策略基因：邁向經驗驅動的測試時進化
4,590 次受控實驗表明：緊湊、可進化的「基因(Gene)」表示在測試時控制與經驗累積上穩定優於偏文件化的「技能(Skill)」封裝。
Agents·2026年7月29日
LongWoF-Bench：評估面向可驗證長流程任務的演化式流程指導
LongWoF-Bench 由 778 個已驗證任務組成，覆蓋代碼生成、數學推理、規則遵循和智能體編排，用統一隱藏驗證器比較無輔助上下文、Skill 與 Gene 三種條件。
Agents·2026年7月29日
跑分報告：與 Codex 同分，解題成本低 15.6%
EvoX、Claude Code 與 Codex 使用同一 Claude Opus 4.8 模型完成六項公開 Agent Benchmark。EvoX 與 Codex 均完成 338/424 項，EvoX 每項成功任務成本為 \$4.82，Codex 為 \$5.71；Claude Code 以 358/424 領先 20 項。
Agents·2026年7月29日
從生成方案到決定下一步：AutoResearch 如何無幻覺閉環研究過程
AutoResearch 把問題發現、方案生成、蜂羣實驗和獨立驗證串成一條可持續推進的研究流程。在 Django 修復任務中，它將官方新增功能測試從 2/7 推進到 7/7，同時保持 203/203 個迴歸測試通過；在三項 Kaggle 實驗中，它也能區分達標、接近目標與平台期，並據此繼續、換方向或停止。
Agents·2026年7月27日
同一個模型，從 26% 到 71%：AI 蜂群如何取勝？
當複雜任務被拆成邊界清楚的原子任務，每個 Agent 獨立完成自己的部分，結果又能可靠匯合時，蜂群的力量才真正顯現。實驗亦發現，Agent 會根據可見資訊選擇不同的合作夥伴，並逐步形成不同的組織結構。