进化微调：在371个优化任务中学习发现

arXiv 2026 41.8 method

TLDR

提出进化微调（EFT），教会LLM跨优化任务演化解决方案，实现跨任务泛化。

评分理由

The paper presents a novel mid-training paradigm that leverages evolutionary search trajectories to enable cross-task generalization in LLMs, supported by a large dataset and empirical improvements. However, the focus is on optimization tasks rather than broader scientific discovery or research automation, limiting direct relevance to some keywords.

Read-first 评分解释

综合优先阅读分 41.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 33。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：数据集

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：数据集

主题相关性 42%

27.5

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI scientist、automated scientific discovery、autonomous research agent、automated research、literature review agent、survey generation、automated experimentation、experiment design agent、AI for scientific research、paper writing agent、research automation、scientific discovery agent

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：35。

关键词评分

automated scientific discovery

AI for scientific research

automated experimentation

research automation

scientific discovery agent

AI scientist

automated research

experiment design agent

autonomous research agent

literature review agent

survey generation

paper writing agent

深度分析

创新点

进化微调（EFT）：一种中间训练范式，通过将进化搜索轨迹转换为监督信号来教会LLM跨任务演化解决方案。
Finch Collection：一个包含156K条进化搜索轨迹的数据集，涵盖10个领域和371个优化任务。
将迭代解决方案演化的能力从搜索脚手架转移到模型本身，实现跨任务泛化。
EFT作为通用发现代理的“练习阶段”，使其不再从头解决新问题。

方法

EFT在Finch Collection数据集（包含进化搜索轨迹）上对开源LLM（2B到9B参数）进行微调。模型在22个保留优化任务上进行评估，并进一步与测试时强化学习结合。

关键结果

EFT模型在22个保留任务上平均比基础模型高出10.22%。结合测试时RL，模型在两个圆填充任务上达到最先进性能，并在Erdős最小重叠问题上优于其基础模型。

技术栈

LLMs (2B-9B parameters)Finch Collection datasetEvolutionary searchTest-time reinforcement learning

资源

论文