DecoEvo: Score-Decoupled Co-Evolution of Solver and Rubric-Generator Skills in Text Space
DecoEvo：文本空间中求解器与评分准则技能的解耦共进化
🧭 文本空间共进化优化 · 自动评估准则生成
Tsinghua University · University of Chinese Academy of Sciences · Peking University · Qwen Business Unit of Alibaba
提出解耦共进化框架，分别优化求解器与评分准则生成器，避免评估准则退化并提升性能
📌 工作参考价值
- 在电商搜索/推荐场景中，当需要为生成式模型（如商品描述、推荐理由）自动设计评估标准时，可借鉴DecoEvo同时迭代优化生成策略和评分准则，避免人工制定准则的局限。
- 解耦的准则更新机制（需求覆盖审核、响应区分度审计）可以单独用于改进现有的自动评估框架，提升评估维度覆盖和区分能力，尤其适合代理或多智体系统的在线性能诊断。
- 该方法不修改模型权重，仅维护外部文本技能，工程实现轻量，适合在业务中快速试错多组提示词和评估标准，降低对模型内参数调整的依赖。
- 在构建电商智能客服或对话Agent时，可利用criterion-level反馈不断挖掘回复弱点，驱动评分准则同步进化，实现更全面的闭环优化。
动机：现有文本空间优化方法固定评估标准，在开放性任务中求解器进步后，未被准则覆盖的维度会脱离优化信号；若直接进化准则，又可能因依赖当前求解器得分而退化（准则变简单）。需要一种能让求解器与准则协同进化的机制。
方法关键点：DecoEvo提出解耦共进化框架，在无黄金评分准则下同时优化求解器技能和准则生成器技能。求解器利用criterion-level反馈按各评估维度改进；准则生成器则通过两个独立审计信号更新——需求覆盖审计（检查所需维度是否齐全）和响应区分度审计（检查准则能否区分响应好坏），两者均与求解器总分无关。这种解耦使生成器聚焦于求解器新暴露的弱点，避免重复强调已满足的准则。
关键结果：在BBH、GSM8K、MATH、IFEval、MMLU等五个基准和GPT-4o-mini、Llama-3.1-8B-Instruct、Qwen2.5-7B-Instruct三个骨干上，DecoEvo均优于所有对比方法（包括SkillOpt），五基准平均相对提升2.8%-5.0%。