跳转至

Read this paper write-up in English

HyperAgents

复现级别：L1 核心机制诊断。 本地执行论文父代分布和有界结构化 archive step；禁止执行生成代码或 shell，因此只验证搜索控制机制，不声称复现自指代码修改能力。

论文信息

字段 内容
论文链接 arXiv
公司/机构 University of British Columbia（按第一作者署名单位）
首次公开日期 2026-03-19（arXiv v1）
原文开源代码 是：https://github.com/facebookresearch/hyperagents
Adapter hyperagents
本地复现代码 src/auto_research/agent_research/official_meta_backfill_20261004.py

原始论文总结

背景与主要改动

把任务 Agent 与修改它的 meta Agent 放入同一可编辑程序，并在开放档案中积累变体；父代概率同时奖励当前性能与较少后代的探索价值，使改进机制本身也可继续被改进。

flowchart LR
  I[受限输入与公开状态] --> M[hyperagents 定义性机制]
  M --> A[可审计中间量]
  A --> O[有界输出或状态更新]

原论文关键图

HyperAgents 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\(s_i=\sigma(\lambda(\alpha_i-\alpha_{mid}))\)，\(h_i=1/(1+n_i)\)，\(p_i=s_ih_i/\sum_j s_jh_j\)。

论文离线与线上效果

论文在代码、论文评审、机器人 reward design 和 IMO 评分上展示开放式档案改进，并报告跨代形成评测分析、成本规划和持久记忆等元认知结构。

这些论文均未报告可归因于该方法的生产线上 A/B；上述数字是论文公开离线评测，不与本地诊断混写。

本地复现

复现边界

本地执行论文父代分布和有界结构化 archive step；禁止执行生成代码或 shell，因此只验证搜索控制机制，不声称复现自指代码修改能力。