喜讯！EvoX团队荣获AgentX国际竞赛冠军

2025-08-13

3869

近日，在国际大模型智能体顶级赛事 AgentX 国际竞赛中，EvoX团队凭借开创性项目 EvoGit，在超过一千支来自全球的参赛队伍中表现出色，荣获多智能体系统（Multi-Agent）赛道全球冠军。

AgentX：全球智能体创新的竞技场

AgentX 由加州大学伯克利分校（UC Berkeley） 主办，联合 Google、Amazon、Hugging Face 等全球领先的科技企业及知名风险投资机构共同支持，旨在推动大语言模型智能体（LLM Agent）技术的前沿研究与应用落地。

AgentX大模型智能体竞赛（2025年春季）概览

本届AgentX大模型智能体竞赛共吸引来自全球 100 多个国家和地区的约 1,000 支队伍参与，其中包括 500 余家初创企业及 800 多所高校，覆盖 UC Berkeley、Stanford、CMU等世界顶尖 AI 学府。大赛评审团由来自 Google DeepMind、Meta FAIR、NVIDIA等机构的专家组成，确保评估标准的专业性与前瞻性。

AgentX大模型智能体竞赛评委团

经过多轮遴选，最终仅有 15 支团队晋级线下 Demo Day 决赛，围绕 Benchmark & Evaluation、Agent Architecture 与 Multi-Agent 三大技术赛道展开最终角逐。其中，EvoX团队以其提出的 EvoGit 项目成为唯一入围的中国团队（含港澳台），并在最具挑战性的 Multi-Agent 赛道中勇夺全球第一名。

EvoGit：以演化视角重塑多智能体协作范式

EvoGit 是一个去中心化的多智能体代码演化框架，旨在突破当前智能体系统在协作机制、可扩展性、长期演化能力及人机协同交互等方面所面临的关键瓶颈。

EvoGit 将代码的演化过程构建为一张有向无环图，多个智能体在其上协同演化、持续开发

EvoGit 首次将软件开发过程抽象为一个开放式的“代码演化系统”。在该系统中，智能体以“git commit”过程作为基本的演化单元，通过持续的小幅增量修改与结构性交叉操作，共同构建出一张不断扩展的有向无环图，即“演化历史图”。该图不仅完整记录了代码演进的路径，同时也作为一种结构化的“演化记忆”机制，使多个智能体在无需显式通信的条件下实现协同进化。

由于该机制基于标准 Git 构建，人类开发者可直接借助熟悉的版本控制工具与系统进行交互，实现对代码演化过程的实时反馈、版本审查与策略干预，进而构建出一个高度透明、低耦合的人机共创生态系统。

EvoGit 在智能体系统设计中实现了若干关键创新：

✅ 去中心化、分布式的智能体协同机制；

✅ 结构驱动的演化策略，摆脱对显式奖励函数的依赖；

✅ 全程可审查、可追溯、可复现的代码演化轨迹；

✅ 高并发与高扩展性架构，支持多智能体集群协同运行。

真实场景验证：从网页生成到元智能体系统

1️⃣ 从零演化构建完整 Web 应用

在无需预设模板或人工干预的前提下，16 个智能体从空白项目出发，通过协作式演化过程，自动生成了一个具备完整交互逻辑与响应式设计的现代化 Web 应用。

EvoGit 从零构建的网页界面

2️⃣ 构建“自我进化”的元算法生成体系

EvoGit 进一步展现了其构建具备“自我进化”能力的智能体系统的潜力：系统可自主调用LLM完成求解器的生成、测试与优化任务，进而自动解决如Bin Packing等典型NP-hard问题，实现“智能体开发智能体”的递归式闭环演化过程。

EvoGit 框架首先生成一个面向自动算法设计的项目，随后基于该项目针对目标NP-hard问题构建定制化求解算法

展望未来：从代码到智能体的演化生态系统

从长远来看，真正具备持续生命力的 AI 系统，不应仅依赖对既有数据分布的高精度“拟合能力”，更应具备面对未知任务的持续学习、结构重组与自我进化能力。尽管当前大语言模型在标准化任务中已展现出卓越的理解与生成能力，但距离构建真正具备创造性与适应性的智能体系统仍存在本质差距。实现这一范式跃迁的关键，在于引入演化机制作为驱动力，使系统能够在动态环境中持续生成、筛选与优化新的结构、行为与策略，逐步迈向具备“自主演进能力”的开放型智能体生态。

围绕这一目标，EvoX团队将以 EvoGit 为基础，持续拓展研究边界，重点聚焦三个方向。

1. 增强演化能力：推动智能体具备自主演化特性，实现代码结构与行为策略的持续自我优化；

2. 应用真实场景：探索 EvoGit 在软件开发、科研自动化等复杂任务中的实际落地潜力，创造可度量的实用价值；