新智元报道

【导读】尽管大语言模型（LLM）在代码生成领域表现日益精进，竞赛t进但在处理复杂的编程算法竞赛题目时，仍常因算法选型偏差、入全边界条件遗漏、球前清华复杂度估算失误或隐藏测试覆盖不足而折戟。新模型南京大学与清华大学等机构的竞赛t进研究团队提出了Solvita——一款专为竞赛编程设计的智能体框架。该框架通过构建Planner（规划者）、编程Solver（求解者）、入全Oracle（预言机）和Hacker（黑客）四大角色的球前清华闭环协作系统，并引入可训练的新模型图结构知识网络，实现了从解题经验中持续进化的竞赛t进能力。

竞赛编程绝非简单的编程“自然语言转代码”。一个最优解的入全诞生，往往需要经历从题意理解、球前清华数学结构抽象、新模型算法范式选择、复杂度评估，到代码实现、测试构造、多解处理及边界排查等一系列复杂环节。

对于LLM而言，这类任务面临四大核心挑战：

1. 算法选型高度依赖题目深层结构
   即便是同属图论、动态规划或字符串处理的问题，在不同约束条件下可能对应截然不同的算法策略。若模型仅依赖表面相似度检索样例，极易陷入“形似神不似”的误区，选错解题套路。

2. 样例测试的局限性
   许多错误解法能通过公开样例，却在隐藏测试中暴露无遗。特别是涉及边界条件、复杂度极限、多答案校验器（checker）及精度问题时，常规自测难以全面覆盖。

3. 失败经验的不可复用性
   现有Coding Agent在失败后通常采取“重试-生成-调试”的循环，但任务结束后，这些失败教训往往未被系统吸收，导致后续任务无法规避同类陷阱，系统未能真正学会“避坑”。

4. 多Agent框架的静态局限
   AlphaCodium、MapCoder等现有方案虽将解题流程模块化，但多为固定流程。各阶段虽可调用模型，却缺乏基于历史经验动态更新的长期记忆与智能路由机制。

针对上述痛点，Solvita应运而生。它不依赖对底层大模型的微调，而是在四大Agent外部构建可训练的图结构知识网络，使系统能够从解题、测试、攻击和修复的全过程中持续积累并优化经验。

代码仓库：https://github.com/NJU-LINK/Solvita
论文链接：https://arxiv.org/pdf/2605.15301

Solvita的设计哲学源于人类选手的成长路径：高手并非每道题都从零开始，而是善于积累“何种题型适用何种套路”、“哪些实现易导致WA（Wrong Answer）”以及“哪些测试用例最能Hack错误程序”等隐性知识。

Solvita的工作机制

Solvita的核心在于构建一个闭环求解系统，并为每个环节配备可训练的知识网络。系统由以下四个关键Agent组成：

1. Planner：题目抽象与策略制定

Planner的首要任务是将自然语言题面转化为形式化的数学描述，剔除冗余背景，提取变量、约束、目标及输入输出结构。随后，它预测可能的算法标签、实现思路及复杂度。
* 知识驱动：Planner背后的知识网络存储了历史题目的形式化结构、预测标签及最终结果。面对新题时，它不再仅靠Prompt临场发挥，而是检索结构相似问题的历史经验，辅助决策。

2. Solver：代码生成与局部修复

Solver依据Planner的策略生成C++代码，并在样例和Oracle生成的测试集上进行验证。
* Patch-based Repair：与传统的“失败即重写”不同，Solvita强调局部补丁修复。当程序出错时，Solver优先生成SEARCH/REPLACE形式的局部补丁，而非全盘重写。此举旨在保留已验证正确的代码片段，集中修复错误局部，避免重写引入新的逻辑破坏。

3. Oracle：构建可信内部测试

Oracle不直接提供最终答案，而是为解法构建“可信监督”。
* 全方位测试生成：生成基于testlib的generator、validator、checker及reference solver。
* 严格认证：检查reference solver是否能复现公开样例，并生成更多测试输入进行认证。对于多答案问题，需提供custom checker的证据。只有当测试输入、期望输出及认证比例达标时，测试用例才会被系统接受。

4. Hacker：主动攻击与漏洞挖掘

Hacker扮演“对拍高手”的角色，旨在发现候选程序的潜在漏洞。
* 攻击策略：分析代码弱点，生成结构化漏洞报告，并采用semantic、stress、antihash等多种攻击路线构造输入，试图击穿错误程序。
* 失败经验传播：若某条攻击路线失败，系统沿fallback chain继续尝试。成功Hack到的Bug不仅用于当前题修复，更作为失败经验反馈至Planner、Solver、Oracle和Hacker的知识网络，优化后续策略。

可训练的图结构知识网络

Solvita的创新核心并非Agent数量的增加，而是每个Agent均配备可训练的Graph-Structured Knowledge Network。

以Solver为例，其知识网络分为三层：
* Q Layer：记录历史题目描述及元信息；
* M Layer：记录解法分解、失败对比及元认知分析（metacognitive analysis）；
* S Layer：记录可复用的算法技能与C++模板。

动态路由机制：
当新题输入时，系统检索相似的Q节点，并沿Q→M→S的两跳路径激活相关技能。与传统RAG（检索增强生成）不同，Solvita的边权并非固定，而是根据历史成功与失败动态更新：
* 成功路径：权重强化；
* 失败路径：权重削弱或生成新的对比节点（contrastive nodes）。

这使得记忆从静态检索转变为可训练的策略路由，系统学会了“何种问题结构应路由至何种算法技能”。

Oracle与Hacker：互补的验证体系

在算法竞赛中，测试能力等同于解题能力。Solvita将验证能力拆解为两个互补方向：

• Oracle（保守派）：关注可靠监督。通过构造reference solver、generator、validator和checker，生成能稳定判断程序正确性的内部测试，保护正确解法不被误杀。
• Hacker（激进派）：关注漏洞发现。专注于寻找边界输入、复杂度极限、结构性反例或哈希冲突，旨在暴露隐藏Bug。

实验表明，二者结合实现了错误解法检测、正确解法保留及强测试确认之间的最佳平衡。

实验结果

Solvita在CodeContests、APPS、AetherCode及近期Codeforces Round中进行了广泛评测，并与Single-pass、Codex CLI、Claude Code、AlphaCodium、MapCoder等方法对比。

主实验亮点：
* 在15个Backbone-Benchmark组合中，Solvita在14个组合中取得最高Pass@1。
* 以GPT-5.4为Backbone时，Solvita相比Single-pass实现大幅跃升，且在多个Benchmark上保持领先。
* 成本效益：提升并非依赖Token堆砌。成本分析显示，Solvita的平均Token消耗与开源Agent框架相当，远低于部分商业CLI Agent。

消融实验

通过Additive Ablation研究，论文区分了两个关键问题：
1. 性能提升是否仅源于多Agent流程的复杂性？
2. 可训练知识网络是否带来额外增益？

结果分析：
* 从Single-pass切换至无训练的多Agent框架，性能已有显著提升，证实了Solve-Certify-Attack-Repair闭环结构的有效性。
* 在此基础上，引入Solver/Oracle/Hacker知识网络后，性能进一步攀升。随着训练数据量从1.5k增至3k再到4.5k，收益持续线性增长。
* 在GPT-5.4上，完整系统达到最高水平，证明三个网络并非替代关系，而是互补叠加：Solver网络优化技能路由与修复，Oracle网络提升监督质量，Hacker网络增强漏洞攻击能力。

Patch-based Repair：为何拒绝“推倒重来”？

论文对比了Solver内部的两种修复策略：
* Full Regeneration：失败后重新生成完整代码。
* Patch Repair：仅针对诊断出的错误位置生成局部补丁。

结论：在相同迭代预算下，Patch Repair不仅通过率更高，且平均迭代次数更少、Token节省更多。这表明在长链路解题中，精准修补优于全盘重写，后者易引入新错误。

Codeforces真实比赛评测

除离线Benchmark外，论文在近期Codeforces Round中进行了实战评估：
* 评测设置：选取12场Post-cutoff Round，共76道题。严格遵循官方时限，禁止赛后修改，模拟真实选手环境。
* 成绩突破：使用GPT-5.4、Claude Opus 4.6、DeepSeek V4 Pro作为Backbone的Solvita版本，均进入Legendary Grandmaster（传奇大师）区间；而同等Backbone的裸模型（Bare Model）仅停留在较低区间。

这证明Solvita的收益源于Agentic Loop、知识网络及对抗验证机制的系统性增强，而非单纯依赖底层模型能力。

总结与展望

Solvita作为面向竞赛编程的Agentic Evolution框架，回答了核心问题：如何让代码Agent从“盲目重试”进化为“经验驱动”？

核心贡献总结：
1. 闭环架构：提出Solve-Certify-Attack-Repair闭环，通过Planner、Solver、Oracle、Hacker四角色协同，实现策略、生成、验证与攻击的完整循环。
2. 动态知识网络：引入可训练的图结构知识网络，利用Pass/Fail verdict、测试质量及对抗漏洞等反馈信号更新边权，在不微调LLM的前提下实现持续经验积累。
3. 显著性能提升：在CodeContests、APPS、AetherCode及Codeforces真实比赛中，Solvita在多数组合中超越现有Agent框架，并进入顶级选手区间。

未来展望：
Solvita揭示了一个重要趋势：未来更强大的Coding Agent，未必仅依赖更大的模型，更可能源于更优的经验组织方式。真正的代码智能体，应具备规划、验证、自我攻击及从失败中学习的能力，推动AI for Code从“一次性生成”迈向“持续进化”。

参考资料：
https://arxiv.org/pdf/2605.15301

编辑：LRST