结论

三星美国研究院团队公开预印本HGM-Dual，提出一种面向长程规划智能体的框架进化优化方法。作者报告称，在旅行与购物两类规划任务上，该方法较最强基线最高实现14.45%的用例准确率相对提升，并在达到与HGM变体相当最终性能时仅用二分之一至四分之一的评测预算。这是作者在受控基准上的单次报告结论，尚未经过同行评审，也未经本站独立复现，不应视为普遍、因果或生产可用的事实。

研究状态与发布时间

该工作以arXiv预印本形式首次公开，版本为v1。arXiv摘要页记录的提交时间为2026年10月21日17时02分28秒UTC，换算为北京时间为2026年10月22日01时02分28秒，因此归入本次上海日历日10月22日窗口。arXiv当日新论文列表明确标注为2026年10月22日星期四的新提交，摘要页与HTML全文页均可确认该时间。论文主题为冻结大模型下的智能体框架优化，不涉及商业模型发布、产品功能上线或仓库版本本身，归入研究进展符合收录边界。

研究对象与方法

研究对象是基于冻结或闭源大模型的规划智能体，其提示、工具与工作流组成的框架保持可改，而底层模型参数不更新。作者指出，达尔文-哥德尔机与Huxley-哥德尔机等递归自改进方法在编码任务上有效，但在规划任务上出现错位：规划需要一连串工具调用联合满足相互制约的条件，开放式自修改易重复无效改动并消耗大量评测。HGM-Dual引入两项设计。第一是谱系感知的进化上下文，记录每个祖先改了什么、哪些行为改善或回退、哪些修改无效，使编辑器获得明确的改动与结果归因，而非面对无结构的既往智能体存档。第二是错误条件下的双路径子代生成，对每个选定的父体同时生成一个保留开放探索的通用子代，以及针对父体最高排序约束违例最可能相关的框架部件的特化子代，兼顾发现意外改进与定向局部修正。

评估条件与数据范围

作者在旅行与购物两类长程规划任务上评估。论文用购物搜索的诊断说明动机：在基线HGM搜索中，41.8%的子代编辑重复树中已有的编辑模式，19.4%的编辑瞄准父体从未失败的约束类别，64.2%的编辑保留了父体的主导失败类别。评估以用例准确率与达到同等最终性能所需的评测预算为主要口径，对比达尔文-哥德尔机、HGM及其变体等最强基线。以上诊断比例与对比口径均来自论文内同一套规划评测，不涉及其他领域数据。

作者报告的主要结果

作者称HGM-Dual较最强基线最高提升14.45%的用例准确率相对值；在匹配HGM变体最终性能时，所需评测预算减少至二分之一至四分之一。作者将增益归因于结构化进化上下文减少重复失败，以及诊断引导使评测预算投向更具信息量的框架搜索区域。以上均为论文内的受控评测数值，编辑解释是：局部基准领先不等于通用智能体最优，相对提升与预算节省不构成对其他任务、其他基座模型或真实部署成本的保证。

局限与不确定性

本工作为预印本，未经同行评审，结论限于论文自建的旅行与购物规划协议、所列基线与冻结模型框架优化设定，不推广到编码、其他长程任务、参数更新或真实业务环境。提升幅度与预算节省依赖特定任务分布、基线强度与评测实现，存在超参、错误分类与预算统计口径敏感性。谱系上下文的有效性与错误归因准确性在约束更复杂、工具链更长、失败更稀疏的场景中仍待验证。引用前需等待独立复现，不应将仿真规划结果写成因果或已获认可的事实。

潜在意义

若后续复现成立，该路线提示长程规划的自改进需要显式的改动与结果记忆，以及面向具体约束违例的定向编辑，而非单纯扩大开放式搜索。这有助于在不更新模型参数的前提下降低框架进化成本。但在复现与评审完成前，中国读者宜将其视为待验证的研究候选，而非可直接选型的结论。