所谓的代码自进化到底在进化什么

代码代理修改一个工具文件，下一轮任务就会使用新实现。看见系统连续改代码，很容易把软件变化理解成模型本身在学习。

普通推理通常不更新模型参数。这是执行阶段的安排，不意味着显存天然受硬件写保护，也不意味着整套系统永远不能训练。

要判断一次“自进化”改了什么，先找变化落在哪一层：提示与工作流、代码与工具，还是模型的有效参数。

固定参数下的工作流优化

同一个模型，收到不同的上下文、工具结果和任务分工，表现可能不同。改进检索、拆分任务、保存失败案例，都可以改变系统行为。

这些变化发生在模型外围。代码代理修改了工具实现，也不能据此声称神经网络参数已经学习过这次经验。

Sakana 的 MASS 把工作流搜索放在内环。模型执行候选流程，评估完成的结果，再提出下一版流程。这个阶段保持模型权重固定。

适配器训练改变有效模型

MASS 没有停在工作流搜索。它还从选定流程中筛选执行轨迹，用这些轨迹进行 LoRA 训练，再把更新后的模型放回各个角色。

上半部改流程，下半部训练适配器。LoRA 可以保持基础参数不变，同时更新适配器；有效模型行为仍然会改变。图里的“更新后模型”表达这层变化，不表示所有基础参数都被重写。

图为 MASS 官网网页实拍，说明内环优化工作流、外环学习选中的执行轨迹。原始页面 https://pub.sakana.ai/mass/

一次代码迭代算不算模型学习，取决于有没有训练及参数更新证据。

在一个固定权重的代码代理中，所谓进化可能只发生在工具代码和工作流。在带训练外环的研究系统中，变化还会进入有效参数。这两类系统不能混为一谈。

迭代评分与外部验收的边界

模型给自己的产物评分，可能奖励了擅长迎合裁判的解法。这个风险值得检查，但不能直接写成“闭环几轮必然崩溃”。

MASS 使用模型自身的判断指导搜索和数据选择，同时另外报告外部裁判评估。外部评估有助于观察进展，也仍有任务覆盖和裁判偏差的边界。

做自己的代码迭代系统，最好保存每一版产物、测试命令和真实结果。测试是否覆盖需求、是否被候选代码修改，也要单独核对。退出码全绿不代表测试足够。

复盘时把三样东西分开记录：改了什么产物、用了什么反馈、有没有训练模型。这样才能区分系统优化、模型训练和一次好看的演示。

资料：MASS 官方方法说明 https://pub.sakana.ai/mass/