Huxley-Godel 机器：通过近似最优自我改进机器实现人类水平编码代理开发
人工智能
2025-10-30 v3
摘要
最近的研究通过编辑自身代码库的编码代理来实现自我改进。它们通过倾向于提高软件工程基准性能的扩张策略构建自我修改的树，假设这意味着更有前景的后续自我修改。然而，我们识别出代理的自我改进潜力（metaproductivity）与其编码基准性能之间的不匹配，即所谓的 metaproductivity-performance mismatch。灵感来自Huxley的 clade 概念，我们提出一种指标（），其聚合代理后代的基准性能，以指示其自我改进潜力。我们证明，在我们的自我改进编码代理开发场景中，获取真实的足以模拟在某些假设下的Godel机器的行为。我们引入Huxley-Godel机器（HGM），通过估计并将其用作指导，搜索自我修改的树。HGM在SWE-bench Verified和Polyglot上超越了先前的自我改进编码代理开发方法，同时使用更少的分配CPU小时数。最后，HGM在其他编码数据集和大型语言模型上 demonstrating strong transfer。经GPT-5-mini在SWE-bench Verified上优化的代理经GPT-5在SWE-bench Lite上评估，达到人类水平性能，匹配最佳官方验证的人类工程编码代理的结果。我们的代码可在https://github.com/metauto-ai/HGM公开获取。
引用
@article{arxiv.2510.21614,
title = {Huxley-G\"odel Machine: Human-Level Coding Agent Development by an Approximation of the Optimal Self-Improving Machine},
author = {Wenyi Wang and Piotr Piękos and Li Nanbo and Firas Laakom and Yimeng Chen and Mateusz Ostaszewski and Mingchen Zhuge and Jürgen Schmidhuber},
journal= {arXiv preprint arXiv:2510.21614},
year = {2025}
}