Jul 28, 2026 · DecoEvo
DecoEvo: Score-Decoupled Co-Evolution of Solver and Rubric-Generator Skills in Text Space
DecoEvo 是一种文本空间优化方法，通过解耦目标共同进化求解器技能和评分生成器技能，无需使用黄金评分。求解器技能使用标准级反馈更新，评分生成器技能通过需求覆盖和响应区分度的补充审计进行修订，独立于聚合求解器分数。该方法在开放任务上减少了评分瓶颈和评分退化问题。
EVENT STORY
Development
- First ReportDecoEvo: Score-Decoupled Co-Evolution of Solver and Rubric-Generator Skills in Text SpacearXiv cs.AI
- Current AssessmentDecoEvo 代表了一种新的 LLM 优化范式，即在不修改模型权重的情况下，通过共同进化外部文本工件来提升模型在开放任务上的表现。这可能会推动更多可解释、可审计的 LLM 优化方法的发展。Agent Pulse · analysis
DecoEvo 是一种文本空间优化方法，通过解耦目标共同进化求解器技能和评分生成器技能，无需使用黄金评分。求解器技能使用标准级反馈更新，评分生成器技能通过需求覆盖和响应区分度的补充审计进行修订，独立于聚合求解器分数。该方法在开放任务上减少了评分瓶颈和评分退化问题。
DecoEvo 通过解耦求解器和评分生成器的进化目标，解决了文本空间优化中评分瓶颈和评分退化问题。求解器使用标准级反馈更新，评分生成器通过需求覆盖和响应区分度的审计独立更新，避免评分被求解器分数劫持。
DecoEvo 代表了一种新的 LLM 优化范式，即在不修改模型权重的情况下，通过共同进化外部文本工件来提升模型在开放任务上的表现。这可能会推动更多可解释、可审计的 LLM 优化方法的发展。
DecoEvo 提供了一种可解释的 LLM 优化方法，适用于需要审计和透明度的场景，如合规性要求高的行业。
未来可关注 DecoEvo 在更复杂开放任务上的扩展性，以及其与现有文本空间优化方法的对比实验。