SpecEvo:协调轻量级与先进 LLM,降低进化搜索成本
SpecEvo 框架重新分配了进化搜索任务:普通候选方案由低成本模型改进,只有在战略检查点才调用更强大的模型,并参考成功与陷入僵局的历史记录。在针对 176 项任务的实验中,这种模式在 API 成本降低 80% 的同时,达到或超越了高成本同类方案的表现。

任务与用途
SpecEvo (Speculative Evolution) 是一个用于科学发现的多 LLM 框架。它协调轻量级模型和前沿模型,以降低搜索候选程序的成本。论文 arXiv:2610.28706 于 2026 年 10 月 20 日提交。作者为 Ha Minh Hieu、Tongyao Zhu、Do Xuan Long 和 Min-Yen Kan。
主要特点:
- 类型:多 LLM 框架;
- 用途:科学发现和算法搜索;
- 原理:协调轻量级模型和前沿模型;
- 论文:arXiv:2610.28706,于 2026 年 10 月 20 日提交;
- 作者:Ha Minh Hieu、Tongyao Zhu、Do Xuan Long、Min-Yen Kan。
实用判断标准:对于 API 成本很重要、且需要通过不频繁的检查点搜索候选程序的任务,可以考虑使用该框架。
架构:轻量级模型与前沿模型的角色
SpecEvo 将工作分配给轻量级模型和前沿模型。轻量级模型并行承担 Speculators 和 Advisor 的职能。前沿模型则在不频繁的检查点上担任 Navigator。
| 组件 | 模型类型 | 功能 | 工作模式 | | Speculators | 轻量级 | 生成并改进候选程序 | 并行 | | Advisor | 轻量级 | 总结成功、失败和已饱和的方向;将其转化为持久建议 | 汇总积累的信息 | | Navigator | 前沿 | 研究不断演进的种群;通过综合、定点改进或更换搜索框架进行干预 | 不频繁,在检查点上 |
实用判断标准:将常规搜索和证据总结交给轻量级模型,并在需要战略性干预时启用前沿模型。

“先假设,后整合”的工作流程
在 SpecEvo 中,常规搜索和证据总结由低成本模型负责,而战略性干预则由前沿模型负责。它们带来的益处会延续到许多后续的低成本评估中。
步骤:
- 轻量级模型执行常规的候选程序搜索。
- Advisor 总结有关成功、失败和已饱和方向的积累信息。
- Navigator 在不频繁的检查点研究种群并选择干预方式。
- 干预方式取决于搜索是否停滞,可以是综合、定点改进或更换搜索框架。
- 低成本模型根据持久建议继续评估。
实用判断标准:如果搜索允许设置不频繁的检查点,并在检查点之间积累建议,则适合采用此方案。
结果及与基线方法的比较
作者在四个科学发现和算法发现领域的 176 项任务上测试了 SpecEvo。该框架的表现达到或超过基于前沿模型的基线方法,同时将 API 支出最多降低了 80%。在方程搜索中,该框架的评估效率最高比经济高效的基线方法高 1.5×。该框架的表现比最强基线方法 CO-Bench 高 3.8%。
| 指标 | 结果 | | 与基于前沿模型的基线方法比较 | 持平或更优 | | API 支出降低 | 最高 80% | | 方程搜索中的评估效率 | 最高比经济高效的基线方法高 1.5× | | 超越 CO-Bench 的幅度 | 3.8% |
实用选择标准:在自己的任务上,将搜索质量与 API 支出和基线方法进行比较。作者的结论是,考虑搜索轨迹来协调模型,是实现经济高效科学发现的一种有效方法。
常问问题
相关材料
所有材料
Fig:用于检验 AI 智能体社会行为的可控游戏干预措施
Fig 接收对目标行为的文字描述,将其划分为不同类型,并有针对性地调整游戏条件,以诱导模型采取所需行动。在针对六种社会模式的有效场景中,与对照组相比,干预使目标行为尝试的平均比例提高了 10.9%;作者建议将多智能体环境视为可配置的测试平台,用于可复现的评估。
21 十一月 2026
不依赖提示词的智能体策略测试:可执行环境、测试套件与可训练过滤器
该研究提出了一种框架,可将执行环境转化为用于测试智能体策略的场景集合,并支持迭代改进防护组件。训练后的过滤器将成功违规的比例降低了 40–44%(相比仅依赖提示词中的指令),同时也更少误拒安全请求。
20 十一月 2026
PerMIT:LLM 智能体长期记忆的完整性与可机器验证的集体信任
作者提出了 PerMIT 架构,通过有限的内存接口限制环境中的不可信数据影响智能体的敏感操作;两条经 Lean 4 验证的定理以及社区判定结果的累积,在不增加单个用户负担的情况下降低了投毒风险。在 Trojan Hippo 和 τ²-bench 上的实验中,该方案在使用轻量级验证器时未检测到成功注入,并提升了新智能体在留出任务上的表现。
20 十一月 2026