Sakana AI 推出達爾文哥德爾機：靠重寫程式碼自我進化

Darwin Gödel Machine（簡稱 DGM）是一個能夠通過重寫自身 Python 程式碼來實現自我進化的開源編碼智慧體。該專案由 Sakana AI 與不列顛哥倫比亞大學（UBC）Jeff Clune 實驗室聯合開發，核心程式碼已在 GitHub 開源。

它是怎麼自我進化的

大多數智慧體系統部署之後架構就固定了，而 DGM 的核心思路是把大語言模型與開放式進化演算法結合起來，讓智慧體不僅能寫業務程式碼，還能持續修改和最佳化自身的工作流與工具庫。

在演化過程中，DGM 自動為自己添置了許多實用的新能力。例如增加程式碼補丁驗證步驟、改進檔案瀏覽和編輯工具、加入多方案生成與排序機制，甚至給自己加上了失敗歷史記錄模組，避免重複嘗試已經驗證失敗的修改方案。

這些自我修改並不是盲目進行的。DGM 提出新的程式碼版本後，會在下游評測任務中進行打分，確認真正提升效能後才會歸檔入庫。後續迭代可以從存檔庫中的任意優秀版本繼續分支衍生，從而在龐大的設計空間裡並行探索多種進化路線。

評測表現與開源規格

在實際編碼基準測試中，DGM 展現出了顯著的自我迭代效果。在解決真實 GitHub 問題的 SWE-bench 評測中，它的得分從最初的 20.0% 自動攀升到了 50.0%。

在多語言編碼基準 Polyglot 上，DGM 的成功率也從初始的 14.2% 躍升至 30.7%，明顯超過了 Aider 這類代表性的人工手寫智慧體架構。團隊實驗表明，分配越多的計算資源，DGM 的自我提升就越明顯，而關閉自我程式碼修改功能的對照組表現則大幅落後。

該專案的完整原始碼已在 GitHub 開源，倉庫名為 jennyzzt/dgm，技術報告也已同步上線 arXiv。研發工作由博士生 Jenny Zhang、Shengran Hu 牽頭，並與 Cong Lu 及 Robert Lange 共同完成。

為什麼重要

對於智慧體開發者和自動化工程研究者來說，DGM 非常值得一試。它擺脫了完全依賴工程師手寫提示詞和編排流程的傳統模式，證明了智慧體依靠進化搜尋自主最佳化工作流是切實可行的路線。

不過，讓智慧體直接修改自身的執行程式碼，在工程安全和失控防護上帶來了極高的要求。我們認為，DGM 成功驗證了自我改進的潛力，但在將其投入真實的複雜生產流水線之前，必須配備極其嚴格的沙盒環境和安全隔離機制。