EvoAlloc：随搜索演化的评测资源分配¶

独立核心机制 API 与真实 checkpoint 接口。短运行是 L1 诊断，非论文 benchmark 复测；尚未接入统一 Evolve 晋级。

论文信息¶

字段	内容
论文链接	arXiv 2610.12086 v1
公司/机构	King Abdullah University of Science and Technology（一作 Yanning Dai）
首次公开日期	2026-10-08
原文开源代码	未找到作者公开代码（截至 2026-10-10，检查正文和项目链接）
Adapter	evoalloc（独立机制 API，非通用 reproduce adapter）
本地复现代码	src/auto_research/agent_research/evoalloc.py；共享后端 oct10_backend.py；scripts/run_oct10_agents.py

原始论文总结¶

背景与主要改动¶

模型选择 Full、Partial 或 Discard，得到 Partial 证据后再选择继续/停止。已观察案例更新固定语句经验并反思策略；影子策略共享同一证据，以漏掉新最佳的次数优先、再比较评测成本。拒绝候选以概率做反事实评测，避免选择性反馈。原文达到基线时 Full 数减少 59–82%，同预算成绩提高 8.7–12.0%，未报告线上 A/B。

架构流程¶

graph LR
 A[候选程序与已知历史] --> B[分配器]
 B --> C[Full或Partial评测]
 B --> D[拒绝与反事实探索]
 C --> E[经验案例更新]
 D --> E
 E --> F[反思影子策略]
 F --> G[共享证据与字典序核验]
 G --> B

原论文关键图¶

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。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¶

所有实际 Full 均计预算，包括 warmup、影子并集和反事实探索。比较字典序 \((missed\ newbest,\#Full,\#Partial)\)；观察两次分歧后才能晋级。

论文离线与线上效果¶

上述数字属于原论文全文，不是本地结果，模型规模和指标协议不同不能直接比较。

本地复现¶

复用真实 Linux bubblewrap/prlimit Circle26 程序环境，可信几何检查器评分而非模型自报，沙箱失败即拒绝运行。Circle26 无 Partial，因此此运行只允许 Full/Discard。经验 ADD/UPDATE/DELETE 不允许 UPDATE 重写语句，未观察案例不可当证据，最多四条活跃/暂定和四条陈旧经验。

操作与数据协议¶

python -m pip install -e '.[post-training-gpu]'
PYTHONPATH=src python scripts/run_oct10_agents.py \
  --method evoalloc --checkpoint /path/to/public/checkpoint \
  --dataset /path/to/train.jsonl --device cuda \
  --seed 42 --output runs/evoalloc/result.json

程序目标由公开 Circle26 几何合同定义，QA 文件不参与评分。

验证与边界¶

2026-10-10，NVIDIA A100，SmolLM2-135M-Instruct，seed=42：真实 Circle26 沙箱执行 4 次 Full 评测，最佳仍为初始程序的 2.16667，没有测出改进。小模型候选不足以完成新最佳/非最佳 warmup，故没有策略晋级；额外真实反思探针明确不晋升。Partial、双分歧影子晋级由合同测试覆盖，本次短 GPU 运行未触发。

本地指标：L1 GPU 诊断。检查点修订、源码 commit 与执行命令以本批 GPU 回执为准。

对应 tests/test_evoalloc.py 检查公式和状态合同。真实运行保存诊断标识、seed、轨迹/似然或评测路径。单 seed、短响应与少量训练步数不能当稳定提升；失败和负结果保留。GPU 回执由本批集成统一登记，原始 runs 及权重不提交。CPU 可用于机制调试，CUDA 路径必须通过真实 NVIDIA 验证。