我要投稿

刷新 Google AlphaEvolve 进化结果，百度开源 Agent 开发框架 LoongFlow

发布日期：2026-01-21 18:38:40 浏览次数： 1545

作者：百度Geek说

微信搜一搜，关注“百度Geek说”

。

点击蓝字，关注我们

LoongFlow 是百度百舸团队发布的一个开源的、旨在让 AI 学会「专家级思考」的智能体开发框架。我们相信，设计一个能解决复杂问题的专家级 Agent，关键在于其思考模式——它决定了 Agent 能解决问题的复杂度和效果上限。

基于 LoongFlow 框架，我们开发了「通用算法发现」和「机器学习」两个开箱即用的 Agent，它们已在多项顶尖挑战中证明实力：

在数学领域 11 个问题上超越人类数学家已知最佳结果，在 7 个问题刷新了 Google AlphaEvolve 的进化结果，刷新 SOTA。
在模拟 Kaggle 数据科学竞赛的 MLE-bench 评测中独立斩获 23 块金牌。
在相同任务下，与 OpenEvolve、ShinkaEvolve 等进化智能体对比：进化效率提升超 60%，迭代成功率 100%。

今天，AI 要攻克更复杂的现实难题，不仅需要知识，更迫切需要一套能驾驭复杂性的系统化行动方法。

爱迪生发明灯泡的故事常被用以诠释坚持 —— 他进行了超过 6000 多次的实验，最终找到了可用的碳化竹丝。但换一个角度思考：如果他只是盲目、随机地尝试每一种材料，面临的可能是上万次失败，甚至终其一生也无法完成发明。

幸运的是，爱迪生并非完全随机尝试。他会观察每次失败，碳化竹丝为何比铂丝更耐用？这种从失败中提炼规律、指导下一步实验的能力，才是他成功的真正关键。

1. 智商与方法的距离：当聪明遇到了复杂

我们常将解决难题归功于「智慧」或「灵光一现」。但面对真正复杂的挑战，系统性的「解题方法」往往比瞬间的「智力火花」更具决定性。

爱迪生需要找到一种材料，能在通电后持续发光而不立即烧毁。他面对的，是一个典型的「长程复杂推理任务」：

可能性空间巨大：成千上万种材料、不同的处理工艺、多种形状尺寸。
需要多轮迭代：不能一次性得出答案，必须「尝试 - 观察 - 调整」循环。
结果反馈延迟：只有完整实施后，才能知道效果如何。
需要积累智慧：每一次失败都应让下一次尝试更聪明。

这些任务的共同点是：光有知识和计算能力不够，还需要一套能引导探索、积累经验、避免重复错误的思考框架。

在商业世界中，这样的任务无处不在：新药研发中从上万种化合物筛选有效成分；芯片设计中在数十亿种可能布局中探索最优电路；城市规划中构建动态模型以平衡交通流量与生活便利。

其复杂程度已远超单凭人力进行「试错」的范畴，这些任务的解空间犹如宇宙般浩瀚，我们需要的，是将人类顶尖的思维框架与机器无限的执行算力相结合的全新范式。

2. Agent 演进：从「单步执行」到「持续进化」

为了让 AI 从「博学的参谋」成长为能自主解决复杂问题的「专家」，智能体（Agent）技术应运而生，并沿着解决日益复杂问题的方向演进。

阶段一：让 Agent 一步步想 —— 解决单任务的推理智能体

以 ReAct 范式为代表，这类智能体让 AI 学会了在单个任务中进行「推理 - 行动 - 观察」的逐步思考。例如，要回答「今天北京天气如何并推荐一家餐厅」，它会先推理「我需要调用天气 API」，执行查询后，再根据结果推理「现在需要搜索餐厅排行榜」。

其本质是针对单任务的序列决策。它善于解决有明确步骤的线型问题，像一个可靠的「单任务执行者」。

阶段二：让 Agent 一代代进化 —— 挑战长程任务的进化智能体

当目标变为「发现一个超越现有水平的新算法」或「优化一个机器学习 pipeline」时，单次推理就不够了。这需要在多轮迭代中保持方向、积累智慧。以 AlphaEvolve、OpenEvolve 为代表的进化智能体框架引入了新思路：它们维护一个「解决方案种群」，通过评估、选择、优化调整（由 LLM 驱动）来一代代进化，追求持续改进。

本质是面向长期目标的种群优化器。它具备了解决长程复杂任务的潜力框架。

然而，早期进化智能体常把 LLM 当作一个随机调整器，导致进化过程类似蒙眼随机漫步，效率低下。它们虽然引入了「进化」概念，但在「如何智能地进化」这一关键方法上，仍有巨大提升空间。

至此，需求明确：我们需要一个真正会思考、会学习的智能体，既能具备进化智能体的长期迭代和种群优化能力，又能拥有推理智能体的深度思考和因果分析能力，并将二者深度融合。

3. LoongFlow：开源的「专家级思考」框架

LoongFlow（龙流）正是为满足这一需求而生的开发框架。它提供了完整的架构与方法论，让开发者能够基于先进的大模型，构建出具备「科学家思维」的专家级智能体（Agent）。

LoongFlow 是一个开源的、旨在让 AI 学会「专家级思考」的智能体开发框架。我们相信，设计一个能解决复杂问题的专家级 Agent，关键在于其思考模式——它决定了 Agent 能解决问题的复杂度和效果上限。LoongFlow 的命名，致敬了王阳明「龙场悟道」所揭示的「知行合一」真谛 —— 真知必在于行，而行必有真知指导。这正契合框架的抱负：打破 AI 认知与行动间的隔阂，让专业的经验与方法，能在持续的智能实践中转化为可进化、可复用的生产力。

因此，LoongFlow 的核心目标，是帮助开发者将自身的专业经验，快速转化为具备长程复杂推理能力的 AI 智能体。通过开源，我们期待与全球开发者和领域专家共同构建一个生态，让每个人都能基于 LoongFlow，创造自己领域的专家级 AI 生产力。

LoongFlow的核心创新在于两套相互咬合的设计，即 PES（Plan-Execute-Summarize）和混合进化记忆系统（Hybrid Evolutionary Memory），系统化地实现了「如何智能地进化」：

PES 范式：为进化注入「科学家思维」
LoongFlow 没有将进化交给随机性，而是为每一次迭代设计了结构化的认知阶段：规划、执行、总结。这确保了每次尝试都是目的明确、过程可控、结果可学的，从根本上将「随机漫步」转变为「定向探索」。
混合进化记忆系统：构建专属的「战略智库」
框架为智能体配备了一套精密的经验管理系统。它不仅仅是存储过去的解决方案，更是按照策略与特征对其进行分类、索引与动态调取，确保历史智慧能被高效复用，防止探索陷入重复或僵局。

二者结合，LoongFlow 实现了从「随机演化」到「定向认知进化」的范式升维。智能体的探索不再是蒙眼狂奔，而是在历史智慧照亮下的、有策略的远征。

4. 实战验证：顶尖竞技场上的性能标杆

任何方法的价值，最终由实践检验。基于 LoongFlow 框架，百度百舸团队开发了「通用算法发现」和「机器学习」两个开箱即用的 Agent，它们在高难度测试集上的表现，验证了该框架的普适性与领先性。（详见技术报告，文末有报告链接）

数学成就：全面刷新人类与 AI 的纪录

在陶哲轩和 AlphaEvolve 发布的数学挑战中，LoongFlow 取得了令人瞩目的成绩：

在 11 个问题上超越了人类数学家已知最佳结果。

在 7 个问题上超越谷歌 AlphaEvolve 的进化结果，刷新 SOTA。

例如，在「圆填充」问题中，如何在给定形状内排列多个圆，使它们互不重叠且尽可能填满空间？LoongFlow 找到了比数学家多年探索和 AlphaEvolve 的进化结果更优的排列方式。

备注：上图来自于技术报告中的截图，未能包含从技术报告完成到本文发布时间差内新增的成就

工程成就：在 23 项真实挑战中夺得金牌

在 OpenAI 发布的模拟 Kaggle 数据科学竞赛的 MLE-bench 评测中，由 LoongFlow 驱动的机器学习智能体，已独立斩获了 23 枚金牌。

任务涵盖从「病理切片癌症检测」到「预测火山喷发」等高度专业且数据复杂的现实场景。这证明 LoongFlow 不仅能解决抽象数学问题，更具备构建、优化端到端工业级解决方案的工程能力。

备注：上图来自于技术报告中的截图，未能包含从技术报告完成到本文发布时间差内的新增金牌

效率成就：以 60% 的效率优势稳定胜出

在相同任务下，与 OpenEvolve、ShinkaEvolve 等进化智能体框架对比：

进化效率提升超 60%：用最少的生成评估次数，发现最好的结果。
迭代成功率 100%：在多次重复实验中稳定达成目标，而基线方法常因陷入局部最优或进化太慢而失败。

这意味着，使用 LoongFlow，研究者与企业能以显著更低的计算成本与时间成本，获得更可靠、更优质的解决方案。

5. 专家级思考机制解构：智慧如何从系统中涌现

LoongFlow 的高效源于其精妙的架构设计，它通过微观的认知循环与宏观的经验管理紧密协同，催生出系统的智慧。

PES 范式：高质量的定向认知循环

PES（Plan-Execute-Summarize）是驱动每一次迭代的核心引擎，它确保进化过程中的每一步都是深思熟虑的。

Plan 规划：在生成新一代方案前，智能体会扮演「战略分析师」的角色。它首先深度分析当前采样方案，然后检索「战略智库」（混合进化记忆系统）中所有的历史经验与失败教训，最终制定出一份目标清晰、规避已知陷阱的「进化蓝图」。这从根本上杜绝了盲目尝试。
Execute 执行：「执行」阶段如同一个配备了全系专业工具包的智能施工队。其关键在于「因题施策」的动态适配能力：面对数学证明，它是严谨的「逻辑验证器」；编写代码时，它是即写即测的「交互解释器」；进行数据分析时，它又化身为高效的「智能查询生成器」。这种灵活性，结合「快速本地验证」机制，确保了高质量输出，从源头节省了计算资源。
Summarize 总结：行动之后，「总结」模块承担起「复盘官」的职责。它不满足于简单的得分，而是深入剖析「规划蓝图」与「执行结果」之间的差距，提炼出「为何成功或失败」的因果洞察。这些结构化的经验被转化为下一代规划时可检索的宝贵知识。

混合进化记忆系统：体系化的经验治理

如果说 PES 是单次探索的「优质生产线」，那么混合进化记忆系统（Hybrid Evolutionary Memory）就是确保整个探索事业可持续发展的「智慧管理体系」。

多岛模型：它在内部建立多个独立的「探索特区」，允许不同的技术路线并行发展，相互隔离又定期交流，有效维持了探索的多样性，避免思维过早趋同。
MAP-Elites：它如同一个多维的「杰出方案陈列馆」。系统不仅按成绩，更按行为特征（如算法复杂度、计算效率）对解决方案进行归档。这意味着，一个在某项特性上表现极佳但总分并非最高的方案，同样会被珍藏，为未来的跨界创新保留火种。
自适应玻尔兹曼选择：这个模块是智能的「资源调度官」。它根据种群探索的实时状态（如多样性熵值），动态调节关键参数，智能切换策略：是在全局鼓励冒险开拓新边疆，还是在局部集中力量深耕最优领地。

系统的协同魔力：1 + 1 > 2

PES 范式与混合进化记忆系统并非独立运作，它们的深度耦合是效能的倍增器。

规划时，分析师（即规划模块 Planner）从「战略智库」（混合进化记忆系统）中获取精选、多样化的历史方案作为蓝图依据，直接站在巨人肩膀上。

执行时，施工队（即执行模块 Executor）利用其动态适配的工具进行快速自我质检，确保只将高潜力方案提交给耗时的最终评估。

总结时，复盘官（即总结模块 Summarizer）产出的因果洞察又被系统化地反馈回「战略智库」，持续丰富集体智慧。

正是这种微观认知与宏观管理在每一个迭代周期内的紧密配合，使得 LoongFlow 的整个探索过程呈现出强大的方向性、累积性和加速性，从而能够高效攻克那些令传统方法望而却步的长程复杂任务。

6. 从千次试错到百次探索：AI 解题的范式转变

回到那个经典的问题：爱迪生寻找灯丝实验了上千次，如果 AI 来做，几次能成？

基于 LoongFlow 在实际复杂任务中的表现，我们看到了一个根本性的转变。在类似规模的探索空间中，传统随机搜索可能需要成千上万次尝试，而 LoongFlow 的定向认知进化方法，能够减少约 60% 以上的无效探索，并将迭代成功率提升至接近 100%。

这意味着，如果爱迪生当时拥有这样的系统，寻找合适灯丝的过程可能从「上千次盲目试错」压缩为「数百次智能探索」——每一次尝试都建立在前一次的经验总结之上，每一次失败都直接指引着下一次的方向。

但这不仅仅是数字上的缩减。LoongFlow 带来的真正价值在于范式的变革：它将人类「假设 - 检验 - 学习」的科学精神，以软件架构的形式固化、增强并规模化。它让智能体不再是单纯消耗算力进行蛮力搜索，而是能够像最严谨的科学家那样，有策略地规划、有工具地执行、有深度地反思。

从「随机试错」到「定向思考」，这标志着 AI 解决问题方式的质变——答案不再依赖于尝试的次数，而是源于思考的深度与系统性。