文章摘要
现有大语言模型在竞赛编程中存在诸多问题，多所高校研究者推出Solvita框架。它构建闭环系统，由四个智能体协作，配备可训练的图结构知识网络积累经验。实验显示，其在多基准测试和真实比赛中表现出色，为代码智能体进化提供新思路。

当前大语言模型在通用代码生成领域已经取得显著进展，但在竞赛编程这类复杂算法场景中，仍容易出现算法选择失误、边界条件遗漏、复杂度判断偏差等问题，难以通过隐藏测试用例。近期来自多所高校的研究者推出了Solvita，这是一款面向竞赛编程的智能体进化框架，通过四个协作角色构建闭环系统，并搭配可训练的图结构知识网络实现经验积累，有效提升了竞赛编程的解题成功率。

竞赛编程并非简单的“将题面翻译成代码”，一个正确的解法需要经历多个复杂环节：理解自然语言题面、抽象数学结构、选择合适的算法范式、估算复杂度、编写代码、构造测试用例、处理多解输出、排查隐藏边界条件等。现有大语言模型在这类任务中面临四大典型困难：

算法选择高度依赖题目约束

即使是同类型的图论、动态规划或字符串问题，不同的输入约束也需要匹配完全不同的算法方案。如果模型仅根据表面相似度套用已有样例，很容易选择“看起来相似但本质错误”的解题套路。

公开样例测试覆盖不足

很多错误解法可以通过公开样例测试，但在隐藏的边界条件、复杂度极限测试、多答案校验、精度问题等场景下会失效，普通的自测很难覆盖这些细节。

失败经验难以复用

现有的多数代码智能体在失败后通常会重新尝试、重新生成代码或调试，但一次任务结束后，这些失败经验通常不会改变后续任务的求解策略，系统无法真正学会“下次遇到类似结构时需要避开哪些坑”。

多智能体框架缺乏动态更新

类似AlphaCodium、MapCoder这类方案虽然将解题拆分为多个阶段，但更偏向固定的流水线流程，每个阶段仅调用模型，却缺少基于历史经验的长期记忆和路由机制，无法随实践优化解题策略。

人类竞赛选手的提升并非依赖每道题从零开始，而是通过积累“题型匹配的算法套路”“容易出错的实现细节”“高效的测试用例设计”等经验。Solvita正是基于这一逻辑，在不微调底层大模型的前提下，为四个核心角色构建了可训练的图结构知识网络，让系统能够从解题、测试、攻击和修复的全流程中持续积累经验。

Solvita的核心工作机制

Solvita将竞赛编程求解组织为一个闭环系统，每个环节都配备了可训练的知识网络，整个系统由四个协作智能体组成：

1. Planner：题目抽象与策略选择

Planner首先将自然语言题面转化为形式化的数学描述，剥离无关的故事背景，提取变量、约束、目标和输入输出规则。随后，它会预测可能的算法标签、实现思路和复杂度。其背后的知识网络会记录历史题目的形式化结构、预测标签和最终结果，当遇到新题目时，Planner会参考结构相似问题的历史经验，而非仅依赖临时prompt生成策略。

2. Solver：代码生成与局部修复

Solver根据Planner的策略生成C++程序，并在样例和Oracle生成的测试用例上进行验证。与传统“失败后整段重写”的方案不同，Solvita强调基于补丁的修复（patch-based repair）：如果程序测试失败，Solver会生成SEARCH/REPLACE形式的局部补丁，而非完全重新生成整份代码，这样可以保留已经正确的逻辑，仅修改出错的局部，避免重写破坏已验证的正确部分。

3. Oracle：构造可靠内部测试

Oracle的核心任务并非生成最终答案，而是为解法提供“可信监督”：它会生成基于testlib的生成器、验证器、校验器和参考解法，检查参考解法是否能复现公开样例的输出，随后生成更多测试输入并完成认证。对于多答案问题，Oracle还需要提供自定义校验器的证据，只有当测试输入、期望输出、认证比例等条件满足要求时，生成的测试才会被采纳。

4. Hacker：主动攻击候选程序

Hacker类似竞赛中的对拍高手，会分析候选代码的潜在漏洞，生成结构化的漏洞报告，随后选择语义攻击、压力测试、反哈希攻击等路线，尝试构造能击穿错误程序的输入。如果某条攻击路线失败，系统会沿着fallback链继续尝试。成功发现的bug不仅用于当前题目的修复，还会作为失败经验同步到四个Agent的知识网络中，优化后续的解题和测试策略。

可训练的图结构知识网络

Solvita的核心设计并非仅仅增加了多个智能体角色，而是为每个Agent配备了可训练的图结构知识网络。以Solver为例，其知识网络分为三层：

  • Q Layer：记录历史题目描述和元信息；
  • M Layer：记录解法分解、失败对比和元认知分析；
  • S Layer：记录可复用的算法技能和C++代码模板。

当新题目到来时，系统会先检索相似的Q节点，再沿着Q→M→S的两跳路径激活相关技能。不同路径的边权并非固定，而是会根据历史成功与失败的结果进行更新：成功路径会被强化，失败路径会被削弱，甚至生成新的对比节点。这与传统的检索增强生成（RAG）有本质区别：传统RAG更像是“找到相似文本塞入prompt”，而Solvita的知识网络更专注于“学习什么样的问题结构应该路由到对应的算法技能”，记忆不再是静态检索，而是可训练的策略路由机制。

互补的测试模块：Oracle与Hacker

在算法题中，测试本身就是解题能力的重要组成部分，一个智能体能否正确解题，很大程度上取决于它能否准确判断自己的解法是否真正正确。Solvita将测试能力拆分为两个互补的方向：

Oracle：专注可靠监督

Oracle更倾向于构造参考解法、生成器、验证器和校验器，目标是生成可以稳定判断程序正确性的内部测试，有效保护正确解法不被误判。

Hacker：专注发现漏洞

Hacker更倾向于寻找边界输入、复杂度极限、结构性反例或哈希冲突等攻击样例，目标是暴露候选代码中隐藏的错误，擅长发现隐藏的bug。

二者的功能并不重复，实验结果显示，二者结合后，在错误解法检测、正确解法保留和强测试确认等方面都取得了更好的平衡。

实验结果与分析

论文在CodeContests、APPS、AetherCode以及近期的Codeforces轮次比赛中对Solvita进行了评测，并与single-pass、Codex CLI、Claude Code、AlphaCodium、MapCoder等方法进行了对比。主实验结果显示，Solvita在15个主干模型-基准测试组合中，有14个取得了最高的pass@1准确率。

以GPT-5.4作为主干模型为例，Solvita相比single-pass实现了大幅的性能跃升；相比已有的多智能体框架，也在多个基准测试上保持了稳定的领先优势。更重要的是，这种性能提升并非依靠无限增加token消耗实现的，论文的成本分析显示，Solvita的平均token消耗与开源多智能体框架处于相近区间，并未接近部分商业CLI智能体的高消耗水平。

消融实验：验证核心设计的价值

论文通过附加消融实验来区分两个关键问题：一是Solvita的性能提升是否仅仅因为多智能体流程的复杂性更高；二是可训练的知识网络是否真的带来了额外的性能增益。

实验结果显示，从single-pass切换到未经过训练的多智能体框架，本身已经可以显著提升性能，这说明solve–certify–attack–repair的闭环结构确实更适合复杂算法题的求解。但在此基础上，加入Solver、Oracle、Hacker的知识网络后，性能还能继续提升，并且随着训练问题数量从1.5k增加到3k再到4.5k，性能增益持续增长。

在GPT-5.4主干模型上，完整的Solvita系统最终达到了最优性能。这说明三个知识网络并非互相替代，而是互补叠加：Solver网络主要提升算法技能路由和代码修复能力；Oracle网络提升内部监督的质量；Hacker网络提升对隐藏漏洞的攻击能力。完整的系统将三类经验整合起来，最终取得了最强的表现。

基于补丁的修复的优势

论文还专门对比了Solver内部的两种修复方式：全量重生成和基于补丁的修复。全量重生成是指每次失败后重新生成完整的代码；而基于补丁的修复则仅针对诊断出的错误位置生成局部补丁。

在相同的最大迭代预算下，基于补丁的修复不仅通过率更高，而且平均迭代次数更少，token消耗也更节省。以GPT-5.4为例，这种修复方式的优势更加明显，这说明在长链路的解题过程中，“推倒重来”并非总是最优策略，很多时候候选解法已经具备了大部分正确的逻辑，真正需要的是精准的修补，而非重新生成一份可能引入新错误的代码。

Codeforces真实比赛评测

除了离线基准测试，论文还在近期的Codeforces轮次比赛中进行了更贴近真实竞赛场景的评估。评测选取了12场截止后的Codeforces轮次，共76道题目，所有测试都在官方时间限制内完成，不允许赛后修改，约束条件与真实选手参赛一致。

结果显示，使用GPT-5.4、Claude Opus 4.6、DeepSeek V4 Pro作为主干模型的Solvita版本，最终都进入了Legendary Grandmaster区间；而使用相同主干模型的基础模型则停留在较低的区间。这说明Solvita的性能提升并非仅仅来自底层模型本身，而是来自智能体循环、知识网络和对抗验证机制的系统性增强。

总结与展望

Solvita是一款面向竞赛编程的智能体进化框架，它试图回答一个关键问题：如何让代码智能体不只是“多尝试几次”，而是真正从过往的成功和失败中积累经验。该研究的核心贡献可以概括为三点：

  • 提出了solve–certify–attack–repair的闭环解题流程，将算法题求解拆解为四个协作角色，形成完整的循环；
  • 引入了可训练的图结构知识网络，每个Agent都可以通过解题结果、测试认证质量和对抗漏洞等反馈信号更新网络边权，在不微调底层大模型的前提下持续积累经验；
  • 在竞赛编程任务上取得了显著的性能提升，在多个基准测试和真实比赛中均超过了现有的多智能体框架。

从更宏观的角度来看，Solvita传递了一个重要的观点：未来更强大的代码智能体，不一定仅仅来自更大的模型参数，也可能来自更高效的经验组织和迭代方式。真正可靠的代码智能体，需要具备规划能力、验证能力、自我攻击修正能力，以及将失败转化为后续成功经验的能力。对于AI辅助代码开发的研究而言，Solvita提供了一种新的思路：从一次性的代码生成，走向持续进化的代码智能体。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。

以上内容不代表本平台立场，仅供读者参考