EvoDuet：让搜索与解题共同进化的科学发现框架

导语

让大语言模型参与科学发现，常见做法是让模型不断提出候选方案，再由评测器给出分数。这类进化式搜索能够逐步改进结果，但也有一个明显瓶颈：当下一步突破依赖模型训练数据之外的知识时，模型可能反复在熟悉的思路附近打转。直接接入网页搜索似乎可以补足信息，却容易在候选解变化后仍返回相同页面，检索工具因此没有真正参与“进化”。

EvoDuet 的思路是把解题和搜索看成一对需要共同优化的过程。它不改变模型参数，而是在搜索过程中同时维护候选解、检索查询和文档记录，让搜索行为也能从历史结果中学习。

核心机制

• 检索门控：每轮开始时，模型先判断当前是否存在知识缺口，再选择获取新文档、复用已有文档，或不使用检索直接生成候选。这避免了每一步都机械调用搜索工具。
• 内层搜索优化：系统持续改写查询，并按照文档预计能够带来的解题分数对结果排序。换言之，文档是否有价值，不只看文本相关性，也看它能否支持更好的候选方案。
• 外层解题进化：模型基于筛选后的文档并行生成候选解，经过任务评测后，把真实结果写回历史记录，为后续查询和文档选择提供反馈。
• 兼容不同框架：论文不仅在 OpenEvolve 上测试，也观察到 EvoDuet 与 Top-K、EvoX 等其他进化搜索脚手架结合时，在 Sums/Diffs 和 Denoising 等任务上仍能带来改进。

实验结果与边界

在包含 21 项优化任务、每轮只生成一个候选解的设置中，EvoDuet 将 OpenEvolve 的归一化发现增益从 74.1% 提高到 78.0%（GPT-5.6-Luna），在 Gemini-3.8-Flash 上则从 61.3% 提高到 82.3%。论文报告称，最佳运行结果在 8 项任务上超过此前已报道的最佳分数，并在另外 3 项任务上持平；其中包括 Q20 和 Rosetta 上的 Swap Reduction。另一方面，Qwen3.5-9B 没有从该方法中获益，说明检索—求解协同并非对所有模型都同样有效。

意义与影响

EvoDuet 的价值不只是“给模型加一个搜索按钮”，而是重新定义了搜索反馈在进化式求解中的位置：历史文档和候选解的评测结果共同影响下一轮查询。对于需要跨领域知识、但又必须通过明确评分验证方案的科学优化任务，这种闭环可能比静态检索增强更合适。

不过，现有结果也提示了实际落地的限制。方法效果取决于模型能否判断知识缺口、改写有效查询并理解检索内容；不同模型之间的收益差异说明，搜索策略本身无法完全弥补基础推理能力不足。未来评估还需要关注检索成本、错误文档传播以及更大规模任务中的稳定性。

来源：Hugging Face Daily Papers