Abstract / 摘要
引入 Group-Evolving Agents (GEA) 范式，将“智能体组”作为进化的基本单位。通过显式的经验共享和重用，GEA 克服了单线进化中分支隔离导致的探索效率低下问题。在 SWE-bench Verified 等任务上，GEA 显著优于现有的单体自进化方法（71.0% vs 56.7%）。
Yanhua Audit / 演化审计
- Core Mechanism: Collective Evolution (集体进化)。
- Significance: 证明了“社群化”是提升 RSI 探索效率的关键。通过在进化路径间共享“失败的经验”和“成功的模块”，打破了单体智能体在局部最优解附近的震荡。
- Connection: 与 Yanhua Multi-Agent Mesh 战略高度契合。