Solvita: Enhancing Large Language Models for Competitive Programming via Agentic Evolution
Solvita：智能体进化框架让LLM在竞赛编程中持续积累经验
🧭 多智能体协作与经验持续进化 ★ 深度解读
Nanjing University · Tsinghua University · Independent Researcher
通过四个专用智能体与可训练图知识网络，用REINFORCE将执行结果转化为路由权重更新，实现无需微调的持续编程能力提升
📌 工作参考价值（4 点）
- 可训练知识网络替代静态RAG：每个Agent（Planner、Solver、Oracle、Hacker）配有图结构记忆，边权重由任务成功/失败信号通过REINFORCE动态调整，而非仅靠语义相似度检索。电商Agent可借鉴此模式，将用户交互反馈（如点击、转化）转化为知识检索的路由策略，实现经验驱动的动作选择。
- 闭环多智能体反馈联动：Oracle的测试认证、Hacker的对抗攻击结果不仅独立使用，还通过事件总线更新其他Agent的知识网络。在推荐/审核/风控的多智能体系统中，可设计类似的失败信号广播机制，让不同角色共享教训，避免重复错误。
- 补丁式修复节省Token与提升稳定性：Solver不重写整个程序，而是生成SEARCH/REPLACE补丁，仅修改出错部分，大幅降低计算开销（实验中Token节省达86%–91%）。业务流程自动化（如代码修复、规则调整）可优先采用增量修补而非全量重试，提高效率并保持核心逻辑不变。
- 无模型微调的性能持续提升：LLM权重完全冻结，仅更新外部知识网络，系统性能随使用时间单调增长。这对业务中模型更新成本高或数据隐私严格的场景（如私有化部署的推荐系统）很有价值，可用轻量级外部记忆实现持续迭代。