Sakana AI 推出达尔文哥德尔机：靠重写代码自我进化

首次发布 2025年5月30日 UTC 02:09传播指数 50

Sakana AI 联合 UBC 推出 Darwin Gödel Machine。它借鉴生物进化机制，通过不断重写自身代码进行自我改进，在 SWE-bench 上的得分从 20.0% 自动提升至 50.0%。这意味着智能体部署后不再一成不变，目前代码已在 GitHub 开源。

Darwin Gödel Machine（简称 DGM）是一个能够通过重写自身 Python 代码来实现自我进化的开源编码智能体。该项目由 Sakana AI 与不列颠哥伦比亚大学（UBC）Jeff Clune 实验室联合开发，核心代码已在 GitHub 开源。

它是怎么自我进化的

大多数智能体系统部署之后架构就固定了，而 DGM 的核心思路是把大语言模型与开放式进化算法结合起来，让智能体不仅能写业务代码，还能持续修改和优化自身的工作流与工具库。

在演化过程中，DGM 自动为自己添置了许多实用的新能力。例如增加代码补丁验证步骤、改进文件浏览和编辑工具、加入多方案生成与排序机制，甚至给自己加上了失败历史记录模块，避免重复尝试已经验证失败的修改方案。

这些自我修改并不是盲目进行的。DGM 提出新的代码版本后，会在下游评测任务中进行打分，确认真正提升性能后才会归档入库。后续迭代可以从存档库中的任意优秀版本继续分支衍生，从而在庞大的设计空间里并行探索多种进化路线。

在实际编码基准测试中，DGM 展现出了显著的自我迭代效果。在解决真实 GitHub 问题的 SWE-bench 评测中，它的得分从最初的 20.0% 自动攀升到了 50.0%。

在多语言编码基准 Polyglot 上，DGM 的成功率也从初始的 14.2% 跃升至 30.7%，明显超过了 Aider 这类代表性的人工手写智能体架构。团队实验表明，分配越多的计算资源，DGM 的自我提升就越明显，而关闭自我代码修改功能的对照组表现则大幅落后。

该项目的完整源码已在 GitHub 开源，仓库名为 jennyzzt/dgm，技术报告也已同步上线 arXiv。研发工作由博士生 Jenny Zhang、Shengran Hu 牵头，并与 Cong Lu 及 Robert Lange 共同完成。

对于智能体开发者和自动化工程研究者来说，DGM 非常值得一试。它摆脱了完全依赖工程师手写提示词和编排流程的传统模式，证明了智能体依靠进化搜索自主优化工作流是切实可行的路线。

不过，让智能体直接修改自身的执行代码，在工程安全和失控防护上带来了极高的要求。我们认为，DGM 成功验证了自我改进的潜力，但在将其投入真实的复杂生产流水线之前，必须配备极其严格的沙盒环境和安全隔离机制。