生产AI系统优化不再只看失败样本：CoCoEvolve检索整段进化史，DABStep硬题准确率92.8%

生产AI系统的自动优化不再只盯着搜索前沿上的单个候选，而是把整段进化史和在线系统的实时探测一起纳入变异决策。 此前的优化方法从搜索前沿挑一个候选，只依据它的失败做一次大模型变异；在孤立失败难以反映复杂隐藏交互的生产系统上，这种做法容易停滞。 在DABStep上，CoCoEvolve以92.8%的留出硬题准确率登顶公开排行榜，同等条件下Meta-Harness为78.4%，GEPA为30.4%。

变异由一个智能体完成：它先有选择地取回历史证据、再探测运行中的系统，验证之后才提出改动。 这套机制被称为元反思，承担变异的是名为Cortex Code的智能体变异器，它不再只读一次失败就动手。 匹配消融显示CoCoEvolve的每个组件都对增益有贡献；在六个大模型数据管道负载上它超过所有被评估基线，在data-eng-bench上把测试集解决率从59.1%提到77.4%，高于最好的基线73.6%。

报道依据的是摘要级材料，覆盖三类生产AI系统：数据智能体、大模型驱动的数据管道和数据工程工作流。结果包括DABStep公开排行榜登顶、六个数据管道负载上超过所有被评估基线、data-eng-bench测试集解决率提升，以及在HotpotQA上比GEPA高11个百分点。摘要未提出下一步实验或部署建议。

摘要称在既有数学与系统基准上与专用优化器保持竞争力，未给出这些基准上的具体数值。匹配消融确认各组件有贡献，但摘要未列出消融的规模与设置。上述限定均来自摘要级材料。