LLM进化Core War汇编程序：图灵版权力的游戏实验

当LLM遇上Core War：一场代码的生存竞赛

Core War是一款诞生已久的编程游戏，玩家用一种名为Redcode的汇编语言编写程序，让它们在同一块虚拟内存中相互厮杀。获胜的方式简单而残酷——让对手的程序崩溃。研究者Akarsh Kumar在与主持人的对话中，把这个经典概念重新搬上了舞台，只不过这一次，编写程序的不是人类，而是大语言模型（LLM）。

"进化绝非随机，"Kumar开篇就点明了核心命题。他想探究的问题是：如果让LLM去进化一批相互竞争的小型汇编程序，会发生什么？能否由此催生出一场开放式的进化军备竞赛（open-ended evolutionary arms race）？

在Core War的规则里，一个程序要击败对手，需要在对方程序的执行线程前方注入一条非法指令。当对手的线程执行到这条无效操作时，就会崩溃halt。这种你死我活的对抗，被主持人形象地称为"图灵版的权力的游戏"（Game of Thrones: Turing Edition），Kumar对此欣然认同。

Core War由A.K. Dewdney在1984年通过《科学美国人》专栏推广，随后发展出一套标准化的虚拟机规范MARS（Memory Array Redcode Simulator）。游戏的虚拟内存是一段循环排列的地址空间（通常为8000个内存格），两个或多个程序被随机放置其中并同时执行。Redcode的指令集极为精简，却包含一个关键操作DAT（data）——线程一旦执行到DAT指令，便立即终止。因此经典的进攻策略"轰炸机（bomber）"会用循环将DAT写入内存各处，而防守策略"imp"则是一个只有单条指令、会不断自我复制并向前跳跃的极简程序。这种极简规则下涌现出的复杂对抗策略，正是Core War几十年来在编程社区中经久不衰的原因，也使其成为研究涌现行为的天然实验室。

开放式进化：从代码对抗到军备竞赛

这个实验最吸引人的地方，在于它追求的"开放式"进化目标。不同于那种收敛到单一最优解的优化任务，Core War的对抗环境天然具备持续演化的张力——每当一个程序找到攻击对手的新方式，防守方就有动力进化出新的应对策略，攻防双方在循环中不断升级。

这种军备竞赛式的动态，正是生物进化中最具生命力的部分。Kumar试图验证的，是LLM能否作为"变异和重组"的引擎，驱动这样一个永不停歇的创造过程。它触及了AI研究中一个深刻的话题：开放式学习（open-endedness）——系统能否持续产生新颖且有意义的产物，而非在某个局部最优点停滞。

开放式进化（open-endedness）是人工生命（Artificial Life）领域的核心难题之一。传统进化算法往往会收敛——种群找到足够好的解后，多样性下降，进化停滞。研究者肯尼斯·斯坦利（Kenneth Stanley）提出的NEAT算法及后续的"新颖性搜索（novelty search）"理论指出，以客观适应度为唯一导向反而会阻碍探索；转而奖励"新颖性"本身，有时能到达更远的地方。真正的开放式系统需要满足：持续产生新颖结构、新结构为更高层次的复杂性提供基础、且没有明显的收敛终点。生物进化中寒武纪大爆发是自然界最著名的案例。在AI语境下，开放式学习被视为通往通用智能的潜在路径之一，Core War的军备竞赛结构——每一方的进步都为对方创造新的选择压力——天然符合这一框架的基本要求。

LLM的短板：零样本写Redcode几乎失败

实验揭示了一个关键而现实的发现：LLM本身并不擅长写Redcode。

"如果你只是想零样本（zero-shot）地搞定这门语言，结果糟糕透顶，"Kumar直言不讳。Redcode是一门小众且反直觉的汇编语言，训练语料中几乎没有相关内容，这让LLM在直接生成有效、有竞争力的代码时力不从心。这个结果本身并不意外——它印证了LLM在训练分布之外的冷门领域的能力边界。

但故事并没有在此结束。真正的转机，来自于把LLM放进一个带有验证机制的进化循环中。

验证器+进化：把指数搜索变成线性搜索

Kumar给出的解决方案是：进化（evolution）加上验证器（verifier）。当LLM不再是一次性生成完整答案，而是被嵌入到"生成—验证—保留—再搜索"的迭代循环中时，表现"结果证明相当出色"。

其中的关键洞察，是搜索复杂度的转变。Kumar解释道：如果你解决了一个难题的某一个部分，就把这一部分牢牢抓住（hang on to that），然后继续搜索其余的部分。通过这种方式，"你可以把一个指数级的搜索问题，变成一个线性搜索问题。"

这个思路直指进化算法与LLM结合的精髓。单纯依靠LLM一次性输出，面对的是整个解空间的指数级组合爆炸；而借助验证器识别并保留部分正确的中间成果，相当于把大问题拆解成可逐步累积的小问题。每一次成功的局部解都成为下一轮搜索的坚实起点，搜索成本从指数级坍缩为近似线性。这也正是进化策略相比纯粹随机搜索的根本优势所在——有选择地保留有用变异。

Kumar描述的这种"生成—验证—保留—再搜索"循环，在结构上与近年来备受关注的几个AI范式高度相关。一是AlphaCode、AlphaProof等系统中使用的"生成-验证"框架：LLM大量采样候选解，外部执行器或证明检查器作为验证器过滤，只有通过验证的解才进入下一轮。二是"过程奖励模型（Process Reward Model, PRM）"思路：不仅奖励最终结果正确，还对解题过程的中间步骤打分，使搜索在解空间中更高效地导航。Kumar所说的"抓住已解决的部分"本质上是一种脚手架式积累（scaffolded accumulation），与遗传算法中的模式定理（Schema Theorem）同源——短的、高适应度的子模式（schema）会在种群中指数级扩散，而LLM则充当了生成这些子模式变体的灵活算子。

这项实验意味着什么

这段对话虽短，却勾勒出一个颇具启发性的研究范式。LLM单打独斗在陌生领域表现糟糕，但当它成为进化系统中的一个组件、辅以明确的验证反馈时，整体能力会发生质变。这种"LLM作为变异算子 + 验证器作为选择压力"的组合，正在成为近年来AI研究中值得关注的方向。

Core War这个充满对抗色彩的沙盒，为研究开放式进化提供了理想的试验场。它既有明确的输赢判定（天然的验证器），又有无穷的策略空间（支撑持续军备竞赛）。能否从中孕育出真正开放、永不收敛的创造过程，是这类实验留给我们的开放式问题。

由于这段内容来自一次简短访谈，许多技术细节（如具体的进化算法、实验规模、最终涌现出的策略类型）并未展开，有待完整研究成果进一步揭示。