# DGM：自我进化AI Agent！迭代修改自身代码，SWE-bench性能飙升150% | 自改进系统前沿

- Link: https://paooo.com/aigc-news/15036/
- Published: 2026-06-29T16:42:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * DGM通过“自我修改—基准验证—档案更新”闭环，让AI代理主动进化而非静态训练。
 * 在实验中，DGM将SWE-bench从20.0%提升至50.0%，Polyglot从14.2%提升至30.7%。
 * 其核心价值在于开放性探索与沙盒安全机制并行，但也引出AI进化边界与对齐问题。

> **💡 站外导读：**在AI智能体追求通用能力的浪潮中，一个核心瓶颈始终存在：如何让系统
> 自主、安全地进化？传统的静态模型难以应对开放世界的复杂任务。DGM（达尔文哥德尔机）
> 应运而生，它通过让AI代理迭代修改自身源代码来主动提升性能，将达尔文进化论与大模型
> 能力相结合，为自改进AI开辟了一条新路径。这不仅关乎技术突破，更触及AI安全与可控
> 性的未来范式。

## DGM是什么

DGM（Darwin Gödel Machine）是自改进人工智能系统，通过迭代修改自身代码来提升性能。
DGM从其维护的编码代理档案中选择一个代理，基于基础模型生成新版本，然后在编码基准测试
中验证新代理的性能。如果性能提升，新代理会被加入档案。DGM的设计灵感来源于达尔文进化
论，通过开放性探索策略，从不同起点探索多种进化路径，避免陷入局部最优解。在实验中，
DGM在多个基准测试中的性能显著提升，例如在SWE-bench基准测试中性能从20.0%提升至50.0%，
在Polyglot基准测试中从14.2%提升至30.7%。DGM的自改进过程在隔离的沙盒环境中进行，确保
安全性。

阅读目录

 * [DGM是什么](https://paooo.com/aigc-news/15036/#dgm%e6%98%af%e4%bb%80%e4%b9%88)
 * [DGM的主要功能](https://paooo.com/aigc-news/15036/#dgm%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [DGM的工作原理](https://paooo.com/aigc-news/15036/#dgm%e7%9a%84%e5%b7%a5%e4%bd%9c%e5%8e%9f%e7%90%86)
 * [DGM的项目地址](https://paooo.com/aigc-news/15036/#dgm%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [DGM的应用场景](https://paooo.com/aigc-news/15036/#dgm%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/15036/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![DGM](https://paooo.com/wp-content/uploads/2026/05/DGM-website-1.avif)

## DGM的主要功能

 * **自我改进**：DGM能迭代地修改自己的代码，优化性能和功能。通过自我修改模块读取
   自身源代码，基于基础模型生成修改建议。
 * **实证验证**：每个代码修改会通过编码基准测试（如SWE-bench和Polyglot）进行验证，
   确保改进的有效性。评估引擎通过Docker容器隔离和评估新版本代码的性能。
 * **开放性探索**：DGM受到达尔文进化论的启发，通过开放性探索策略，从不同起点探索
   多种进化路径，避免陷入局部最优解。维护一个编码代理档案，不断积累所有生成的变体，
   支持从档案中的任何代理分支出新的进化路径。
 * **安全性考虑**：DGM的执行和自修改过程都在隔离的沙盒环境中进行，限制对宿主系统
   的影响。

## DGM的工作原理

 * **自修改阶段**：DGM从其维护的编码代理（coding agents）档案中选择一个代理，基于
   基础模型（foundation model）生成该代理的一个新版本。
 * **验证阶段**：新生成的代理在编码基准测试中进行评估，确定其性能是否提升。
 * **档案更新**：经过验证的改进代理被加入到档案中，档案不断积累所有生成的变体。

## DGM的项目地址

 * **Github仓库**：[https://github.com/jennyzzt/dgm](https://github.com/jennyzzt/dgm)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2505.22954](https://arxiv.org/pdf/2505.22954)

## DGM的应用场景

 * **自动编程**：DGM能自动生成和优化代码，减轻开发者的负担，提高编程效率。可以通过
   自我改进生成更高效的代码，提升软件的整体性能。
 * **代码优化**：DGM可以自动检测代码中的问题并进行优化，提高代码的可读性和执行效率。
   通过不断迭代改进，DGM能生成更优的代码版本，减少开发时间和成本。
 * **自动修复**：DGM通过自我进化可以自动修复发现的问题，降低软件维护成本。能识别
   代码中的潜在问题，生成修复方案，减少人工干预。
 * **研究平台**：DGM为研究自我改进系统提供了实践平台，有助于学术界对该领域的研究。
   研究人员可以用DGM探索新的算法和模型，推动人工智能技术的发展。

#### 📝 站长洞察 (Editor’s Insight)

DGM的出现，标志着AI发展正从‘被动训练’转向‘主动进化’。其核心在于构建了一个闭环的、
受控的‘创造-验证-选择’循环，这不仅是技术上的跃进，更是对‘递归自改进’这一古老AI愿景
的严肃实践。与当前主流[Agent](https://paooo.com/trends/)侧重工具调用不同，DGM将Agent
本身作为可编程和可优化的对象，这指向了未来AI系统更根本的灵活性。然而，其‘开放性探索’
策略也提出了严峻挑战：如何在鼓励创新与防止失控之间取得平衡？沙盒机制是当下的解决
方案，但长远看，这需要与对齐研究、可解释性技术深度结合。DGM不仅是工具，更是一个研究
平台，它迫使行业思考：当AI能改进自己时，我们该如何设计它的‘进化目标’与‘安全边界’？
这或许是通往更通用、更自主AI道路上必须解决的核心命题。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**CODING ↗**

CODING 是一个面向软件开发团队的一站式数字化研发管理平台。其核心功能深度整合了软件
开发生命周期的各个环节，

❓ 常见问题解答（FAQ）

DGM是什么？

DGM（Darwin Gödel Machine）是一种自改进AI系统，能从编码代理档案中选取代理，基于基础
模型生成新版本，并在基准测试中验证性能。若改进有效，就将新代理加入档案，持续迭代
进化。

DGM为什么能提升SWE-bench成绩？

DGM不是一次性训练，而是通过“生成新版本—基准验证—保留更优解”的闭环持续优化代理能力。
文章给出的实验结果显示，它在SWE-bench上从20.0%提升到50.0%，体现了自改进机制的效果。

DGM安全吗？

文章指出，DGM的自修改与执行过程都在隔离的沙盒环境中进行，并通过Docker容器评估新版本，
尽量限制对宿主系统的影响。但其开放性探索也带来安全与对齐挑战，需要进一步研究。

🔬 语宙深潜追问 · 进阶实操拆解

自我修改如何避免越改越差？

必须把修改限制在沙盒和可回滚分支里，并用基准测试、单测覆盖率和回归集做硬门槛。每次
自改都应记录变更理由、性能变化和失败样本，否则系统会在局部最优里不断漂移。

SWE-bench提升能代表真实生产吗？

只能部分代表。SWE-bench更像标准化修复能力测试，真实生产还涉及权限、依赖、发布窗口
和不可复现故障。要验证生产价值，最好再加真实仓库回放、长链路回归和人工审核成本指标。

🗳️ 读者观点微投票 · 您的实战立场是？

AI Agent能自改代码，你敢让它碰核心系统吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🤖 所属权威专题：AI Agent 智能体工作流 →](https://paooo.com/topics/ai-agents/)

 * [AlphaEvolve – 谷歌 DeepMind 推出的通用科学AI Agent](https://paooo.com/aigc-news/18942/)
 * [GenEvolve – 美团等推出的自演进图像生成 Agent](https://paooo.com/aigc-news/23942/)
 * [MiniMax M2.7 – MiniMax开源的新一代自我进化 AI 模型](https://paooo.com/aigc-news/38551/)
 * [EvoAgentX – 开源的AI Agent自动化生成与优化框架](https://paooo.com/aigc-news/18767/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/15036/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
