DGM自进化AI来啦！Agent自主修改代码提升性能？

**DGM自进化AI Agent来袭，自主改代码提升性能！** 近期，一种名为DGM（Darwin Gödel Machine）的自进化AI Agent横空出世，引发广泛关注。DGM模仿达尔文进化论，具备自主优化代码的能力，通过反复调整自身程序来提升性能。它从编码代理库中选取代理，利用基础模型创建新版本，并在基准测试中验证效果。实验证明，DGM在SWE-bench和Polyglot等基准测试中表现大幅提升。DGM的核心功能包括自主优化、实证验证、开放探索和安全保障，所有操作均在隔离的沙盒环境中完成。DGM在自动化编程、代码优化、自动修复和研究工具等领域具有广阔的应用前景，有望大幅提升软件开发效率和质量。

DGM是什么

DGM（Darwin Gödel Machine）是一种具备自我优化能力的人工智能系统，能够通过反复调整自身程序来增强性能。DGM会从其保存的编码代理库中选取一个代理，利用基础模型创建代理的新版本，并在编码基准测试中检验新代理的表现。若表现有所改善，则新代理将被纳入库中。DGM的设计灵感源于达尔文进化论，采用开放式探索方法，从不同起始点探寻多条进化路线，防止陷入局部最优解。实验表明，DGM在多项基准测试中的表现大幅提升，比如在SWE-bench基准测试中从20.0%跃升至50.0%，而在Polyglot基准测试中则从14.2%上升到了30.7%。DGM的自我改进操作均在独立的沙盒环境中完成，以保证安全性。

DGM的核心功能

• 自主优化：DGM有能力循环修正自身的代码，以提高效能与功能。它借助自我调整模块读取自身的源代码，并依据基础模型提出修改提议。
• 实证验证：每一项代码改动都会经历编码基准测试（如SWE-bench和Polyglot）的审核，确保改进的实际效果。评估引擎借助Docker容器隔离并对新版代码的性能进行测评。
• 开放探索：DGM借鉴了达尔文进化论的理念，采取开放式探索策略，从不同开端探索众多进化轨迹，避免局限在局部最优解之中。它维持着一个编码代理档案，持续收集所有产生的变体，支持从档案里的任一代理衍生新的进化线路。
• 安全保障：DGM的操作及自我调整过程均处于隔离的沙盒环境内实施，控制对主机系统的干扰。

DGM的运作机制

• 自我调整环节：DGM从其保管的编码代理档案里挑选一个代理，基于基础模型构建此代理的新版本。
• 验证环节：新生成的代理将在编码基准测试中接受评估，确认其性能是否有提升。
• 档案更新：经验证的改良代理会被添加到档案中，档案持续累积所有产生的变体。

DGM的项目链接

• GitHub仓库：http://github.com/jennyzzt/dgm
• arXiv技术文档：http://arxiv.org/pdf/2505.22954

DGM的使用场景

• 自动化编程：DGM能够自主编写和优化代码，缓解开发者的压力，加快编程速度。它可通过自我优化产出更高效的代码，从而提升软件的整体表现。
• 代码优化：DGM可自动辨识代码中的缺陷并加以优化，增强代码的可读性和运行效率。通过不断的迭代优化，DGM能生成更佳的代码版本，削减开发周期和成本。
• 自动修复：DGM借助自我演化可自行修复发现的问题，减少软件维护开销。它能识别代码中的潜在隐患，提供修复方案，降低人工介入的需求。
• 研究工具：DGM为研究自我优化系统提供了实用平台，助力学术界对此领域的探索。科研人员可用DGM试验新型算法和模型，推动人工智能技术的进步。

本篇关于《DGM自进化AI来啦！Agent自主修改代码提升性能？》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于科技周边的相关知识，请关注golang学习网公众号！