突破多步推理瓶颈，让 Claude-3.7-Sonnet 解题成功率暴增 20.6%。

在 SWE-Bench Verified 上刷新开源框架 SOTA！

中科院、清华大学、阶跃星辰等提出SE-Agent，一个创新的自进化（Self-Evolution）框架。

它不再满足于简单地 " 多想几次 "，而是让智能体学会系统性地修订、重组与精炼其整个思考过程，通过多轨迹间的相互启发与对抗，探索更广阔、更多样化的解决方案空间。

随着 Claude 4 模型的发布，SE-Agent 的性能被推向新的高度：在 SWE-Bench Verify 上，它取得了高达 80% 的 Top-1 Resolution Rate，再次刷新了领域纪录。

这充分证明该框架可以随着基础模型升级而不断进步。

核心思想：从 " 独立尝试 " 到 " 集体进化 "

大语言模型（LLM）驱动的智能体在处理复杂推理和工具使用方面展现了惊人的潜力，尤其是在软件工程等需要多步骤交互的任务上。然而，现有方法（如蒙特卡洛树搜索 MCTS）常常陷入困境：它们将每次的解决尝试（即 " 轨迹 "）视为独立事件，忽视了不同解决方案路径之间的内在联系，导致思维固化，难以跳出局部最优解。

通俗来说，传统智能体就像一群各自为战的士兵，虽然人数众多，但缺乏协同。SE-Agent 则引入了 " 进化 " 的视角，将每一次解决问题的完整路径（轨迹）视为一个 " 物种 "，通过三大核心操作，让这些 " 物种 " 在一个 " 生态系统 " 中迭代进化，优胜劣汰。

SE-Agent 的三大进化算子：

1、修订（Revision）- 深度自省与定向改进

生成初始多样性：首先，通过多样的规划策略和可控的 " 突变 "，生成一个包含不同解题思路的初始轨迹池，确保进化的起点足够丰富。

反思与修正：随后，智能体对每一条初始轨迹进行 " 复盘 "，分析其优缺点、逻辑断点和潜在的改进空间，然后进行有针对性的修正，消除逻辑不一致和冗余推理，完成个体的自我完善。

2、重组（Recombination）- 跨轨迹的 " 杂交 " 与学习

这是 SE-Agent 最具创新性的部分。它不再将轨迹视为孤岛，而是促进它们之间的 " 知识共享 "。

交叉融合（Crossover）：识别并提取不同轨迹中的高效片段（例如，一个轨迹擅长定位问题，另一个擅长编写修复代码），然后将这些 " 优势基因 " 组合起来，创造出全新的、更强大的混合轨迹。

知识迁移（Transfer Learning）：将成功轨迹中的关键策略和洞见，系统性地 " 嫁接 " 到其他表现较差的轨迹上，实现 " 差生 " 向 " 优等生 " 的学习。

3、精炼（Refinement）- 多维评估与优化选择

在每一轮进化后，SE-Agent 会通过一个多维度评估函数（综合考量任务完成度、推理质量和效率）对所有新旧轨迹进行打分。

精英选择：保留得分最高的 " 精英 " 轨迹，同时通过策略性选择确保轨迹的多样性，避免所有方案趋同。这个过程不断迭代，直到找到能够稳健解决问题的最优解。

在最具挑战性的代码基准上实现 SOTA

研究团队以 SWE agent 作为我们的 Baseline，在公认极具挑战性的SWE-bench Verified基准（包含 500 个真实 GitHub 问题）上对 SE-Agent 进行了全面评测。结果显示，SE-Agent 在所有测试的 LLM 上都实现了显著的性能提升。

开源模型表现（Pass@1）：

DeepSeek-V3：从 31.6% 提升至 54.8%（+73% 相对提升）

Qwen-2.5-72B：从 18.8% 提升至 38.8%（+106% 相对提升）

Llama-3.1-70B：从 15.4% 提升至 32.6%（+112% 相对提升）

闭源模型表现（Pass@1）：

GPT-4o：从 22.4% 提升至 40.4%（+80% 相对提升）

Claude-3.7-Sonnet：从 40.6% 提升至 61.2%（+51% 相对提升）

值得注意的是，SE-Agent 在 Claude-3.7-Sonnet 上达到了 61.2% 的首次尝试成功率，这创造了开源智能体框架在 SWE-bench Verified 上的最佳性能记录。消融实验进一步证明，修订和重组两大模块对于框架的成功至关重要。

核心优势与技术突破

SE-Agent 的成功源于对现有智能体范式的几大核心突破：

1、真正的解决方案多样性：不同于传统方法仅在表面表达上有所不同，SE-Agent 通过轨迹级干预，生成本质上不同的解决路径，大幅扩展了候选解决方案空间。

2、跨轨迹协同智能：SE-Agent 充分利用轨迹间的丰富相互依赖关系和潜在协同效应，实现了集体智慧的最大化，突破了单一智能体的认知局限。

3、高效进化收敛：相比传统遗传算法，SE-Agent 通过结构化的进化机制，能在显著更少的进化周期内实现高质量结果。

4、模型无关的即插即用：SE-Agent 作为一个独立的优化模块，可与现有智能体框架无缝集成，在多种 LLM 上都展现出一致的、强大的性能提升。

案例研究：SE-Agent 如何跳出思维定势？

在一个 scikit-learn 的真实 Bug 修复案例中，传统智能体的问题显露无遗。

传统智能体（上图）：所有尝试都紧盯报错信息出现的 _validation.py 文件，提出的修复方案几乎是 " 换汤不换药 " 的重复，始终无法触及问题的根源，导致测试失败。

SE-Agent（下图）：通过轨迹的重组与进化，SE-Agent 强迫自己探索了完全不同的方向。它跳出了最初报错的文件，成功定位到根源在于 multioutput.py 文件缺少了一个关键字段的写入。最终，通过一行代码的根本性修复，完美通过了所有测试。

这个案例生动地说明了 SE-Agent 如何通过在轨迹层面进行演化，有效避免了 " 隧道视野 "，从而发现那些隐藏更深、也更为关键的解决方案。

结论与技术影响

SE-Agent 的提出，为提升 LLM 智能体的复杂推理能力提供了一个全新的、高效的范式。其重要影响在于：

1、开创了轨迹级优化范式：从传统的参数调整转向系统性的推理路径操作，为智能体能力提升提供了新的理论基础。

2、验证了集体智慧机制：证明了通过跨轨迹学习实现智能体群体智慧的有机融合，是突破单一智能体认知瓶颈的有效途径。

3、构建了自进化智能系统：为实现能够持续自我改进的智能体系统铺平了道路。

展望未来，研究团队计划将 SE-Agent 的自进化思想扩展到更广泛的路径搜索问题中，例如强化学习策略发现、具身智能规划等，为通往更强大、更鲁棒的通用人工智能持续贡献力量。

论文标题： SE-Agent: Self-Evolution Trajectory Optimization in Multi-Step Reasoning with LLM-Based Agents

论文链接： https://arxiv.org/pdf/2508.02085

开源代码： https://github.com/JARVIS-Xs/SE-Agent

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见