DecoEvo：Text-Space 中解耦協同進化解決器與評分準則生成器
為何重要
Text-space optimization 是在不增加算力成本下調整 LLM 表現的重要路徑。DecoEvo 突破了傳統方法繫結固定評估準則的瓶頸，透過標準與手段的協同演進，能更精確地發掘並修復解決器未能覆蓋的維度。這將提升具備自動化評估能力的產品（如 AI Agent）在開放式任務上的效能邊際。
Text-space optimization 將大型語言模型（LLM）的最佳化重心放在編輯外部自然語言素質而非微調權重，以保持可檢視性；然而，現有方法固定評估準則會導致開放式任務中的盲點。\n\n- DecoEvo 匯入解耦協同進化架構，同時最佳化解決器 技能與評分準則生成器 技能。\n- 解決器使用準則層級回饋更新，而評分準則生成器則透過獨立於 Solver 總分之外的「需求覆蓋」與「回應差異化」進行審查更新。\n- 在五個基準測試與三種 LLM 背根上，表現優於所有對比方法。\n- 相較 SkillOpt，在五項基準平均分上取得 2.8--5.0% 的相對增益。