EPOCH
一个以证据治理为核心的AI科研代理架构，通过显式任务契约、类型化记忆、主动证伪、准入检查和独立复现五个组件，确保AI代理产出可信的科学发现，而非仅优化评估器分数
时间轴 (近 90 天)
EPOCH框架将实例覆盖度直接作为进化搜索的目标，并通过经验偏好优化让生成器内化反思信号。
EPOCH从三个环节同时优化覆盖：父代选择优先选择能补充覆盖盲区的个体，算子分配根据覆盖缺口动态调整策略，停滞恢复机制在局部最优时寻找覆盖未被触及实例的新方向。
EPOCH的搜索过程倾向于返回一个互补的启发式集合（ensemble），而非单一最优解。
EPOCH引入反思自蒸馏（RSD）项，显式地提高生成器自主产出改进版本的likelihood。
论文在多个组合优化问题和多种开源LLM骨干上验证，EPOCH生成的启发式集合在性能上超过了仅推理和微调基线，并能跨问题规模泛化。
在较小规模实例上训练出的启发式组合，换到更大规模实例上依然有效。
EPOCH路线仍存在待解决问题：覆盖度目标在更大规模问题上的计算开销、教师LLM洞察的质量稳定性等，仍需后续工作给出答案。
EPOCH在十个具体发现问题上带来实质进展，包括改进的可执行构造、优化算法、反例和有证明支持的结果，跨越数学与计算两大领域
arXiv最新论文提出了EPOCH——一个以证据治理（evidence-governed）为核心的架构，目标是让AI科研代理产出更可信的科学发现
论文提出证据治理是迈向可信AI科研代理的必要一步
还有 6 条时间轴事件
全部知识事实 (16)
EPOCH路线仍存在待解决问题：覆盖度目标在更大规模问题上的计算开销、教师LLM洞察的质量稳定性等，仍需后续工作给出答案。
50%待验证EPOCH框架将实例覆盖度直接作为进化搜索的目标，并通过经验偏好优化让生成器内化反思信号。
50%待验证EPOCH从三个环节同时优化覆盖：父代选择优先选择能补充覆盖盲区的个体，算子分配根据覆盖缺口动态调整策略，停滞恢复机制在局部最优时寻找覆盖未被触及实例的新方向。
50%待验证EPOCH的搜索过程倾向于返回一个互补的启发式集合（ensemble），而非单一最优解。
50%待验证EPOCH引入反思自蒸馏（RSD）项，显式地提高生成器自主产出改进版本的likelihood。
50%待验证论文在多个组合优化问题和多种开源LLM骨干上验证，EPOCH生成的启发式集合在性能上超过了仅推理和微调基线，并能跨问题规模泛化。
50%待验证在较小规模实例上训练出的启发式组合，换到更大规模实例上依然有效。
50%待验证EPOCH在十个具体发现问题上带来实质进展，包括改进的可执行构造、优化算法、反例和有证明支持的结果，跨越数学与计算两大领域
50%待验证论文提出证据治理是迈向可信AI科研代理的必要一步
50%待验证EPOCH实现了一个证据治理的发现循环，由显式任务契约、类型化记忆、主动证伪、准入检查、独立复现五个核心组件构成
50%待验证EPOCH把搜索优化与证据判定解耦，通过主动证伪与独立复现对抗只在特定条件下成立的假阳性发现
50%待验证类型化记忆为每一条存储的信息打上证据类型标签，区分数值测试通过、形式化验证通过、仅在训练集上验证等不同级别
50%待验证EPOCH在AlgoTune基准上取得业界最优综合表现，平均归一化分数达到0.65，超过最强基线的0.53
50%待验证EPOCH在内部的Math14测试套件上取得最高平均分0.57
50%待验证EPOCH在AgentHPO上领跑描述性综合指标
50%待验证arXiv最新论文提出了EPOCH——一个以证据治理（evidence-governed）为核心的架构，目标是让AI科研代理产出更可信的科学发现
50%