人大高瓴、IQuest提出可持续进化框架：把真实世界当考场，AI越预测越强

人大高瓴、IQuest提出可持续进化框架：把真实世界当考场，AI越预测越强图1

AI的进步，环境更为重要。

作者 | 陈骏达

编辑 | 心缘

智东西10月23日报道，近日，中国人民大学高瓴人工智能学院、至知创新研究院团队（IQuest）联合提出了一个面向真实世界事件预测的可持续进化框架EvoForesight。

它由真实动态的数据环境Prometheus、智能体预测器Branchus和可持续进化引擎Athena三个模块组成，首尾相接形成闭环，让智能体在与环境的持续交互中不断积累经验、提升预测能力。

在在周更的实时预测榜单FutureX上，Branchus智能体连续三周稳居第一。他还在诺贝尔文学奖、物理学奖、和平奖三个奖项的预测中，给出了相比基线更为接近最终结果的预测，其中有部分获奖者还是此前较少受到关注的。

与“训练一次、发布一次”的传统模式不同，EvoForesight被设计成一个持续进化的系统。部署之后，它每作出一次预测、每等待一次结果揭晓，就多积累一份真实经验：Athena引擎会同时从两个维度消化这些经验，一方面是将经验融入模型权重，另一方面是将经验沉淀为可复用技能。

这也意味着，模型的能力提升不再需要人工标注和繁琐的迭代流程，而是可以不间断地从真实世界中学习。而且这套进化机制与基座模型解耦，换用不同厂商、不同规模的模型，也可以正常运转。

论文链接：

https://arxiv.org/abs/2610.29784

代码仓库：

https://github.com/RUCAIBox/EvoForesight

01.

为什么“预测未来”

是检验自我进化的天然考场

如今，业界习惯这样评价一个AI有多强：它此刻能做对多少道题、能写多好的代码、能答多准的问题。但有一个更关键的问题：它发布之后，还会不会变得更强？

很多AI系统，一旦训练完成、权重冻结、上线部署，就成了一具“时间的标本”：它很难从自己每天经历的成败里学到任何东西，想让它进步，只能靠人类重新喂数据、重新训练，再发一个版本。

然而，自然界里真正强大的系统（例如：生物进化、科学方法、人类专家）无一例外，全都是能靠自己的经验不断自我修正、把收益一轮轮叠加起来的系统。

最近业界热议的递归自我进化本质上就是为了解决这个问题。它的目标是让每一轮进化的产物，成为下一轮进化的燃料，推动模型成长。

要研究自我进化，需要一个动态的环境：不断抛出新挑战，而且能不靠人类插手，自动判断AI这次有没有比上次更强。预测真实世界即将发生的事件正是一个符合条件的任务场景。它天然具备三个独特的性质：

1、真实（Grounded）：题目来自正在发生的世界，不是人工拼凑的数据集；

2、可验证（Verifiable）：答案会随着时间自动揭晓，没有人能提前知道，无从作弊；

3、非平稳（Non-stationary）：世界一直在变，昨天的套路可能明天就会失效。

这是一个无法只靠背答案通关的考场，因为在做出预测的那一刻，事件还没有揭晓。AI必须先作判断，再等待现实给出答案。真实世界事件预测，也因此成为研究自我进化的一个天然试验场。

02.

EvoForesight：

让智能体和环境“互相促进对方变强”

与现有改进Harness或者权重的工作不同，这项研究希望创造一个让智能体不断行动、观察结果、从中学习的“活环境”。基于这个思想，研究团队提出了EvoForesight。它不是一条从输入到输出的流水线，而是一个首尾相接的闭环，由三个模块组成：

1、真实、动态的数据环境

每天从125个网站吸收最新信息，自动生成“明天才会揭晓答案”的预测题目，为智能体持续供给真实挑战和可验证的反馈。

2、智能体预测器

它由“搜证团队”和“预测团队”协作完成预测：搜证团队负责拆解问题、搜集信息、核查证据；预测团队则把分散的线索汇总起来，权衡不同证据，给出最终的概率预测。

从找证据到作判断，整个过程都会留下完整的推理轨迹，为后续学习与进化积累经验。

3、递归进化引擎

它把Branchus产生的每一条推理轨迹，同时进行三个维度的能力提升：

参数进化：用可验证奖励做强化学习（RLVR），把经验写进模型权重；

技能进化：把搜证轨迹中的经验蒸馏成显式、可复用、看得见摸得着的"预测技能"，不改一个权重就提升能力；

环境进化：分析Branchus栽在哪里，把它的失败模式提炼成"出题技能"，反过来驱动Prometheus专挑它的软肋出更难的题。

环境引导智能体变强，变强的智能体又逼环境出更难的题。

03.

让真实世界不断“出新题”

有效避免训练污染

这个闭环要持续运转，首先得有源源不断的新题。EvoForesight把这项工作交给Prometheus，让真实世界的信息自动转化为智能体可以练习的任务。

它从日程、赛程等信息中按模板生成问题，也让智能体从新闻和网页里发现事件、拟定题目，再经过时间检查、去重和筛选，留下尚未揭晓、预计能按期验证的任务。

世界不断发生新事，系统就不断生成新题；事件结果随后揭晓，又为每次预测提供真实反馈。这样，一个能自动出题、持续更新的“活环境”就搭起来了，也让智能体有了持续积累真实经验的训练场。

将真实世界作为训练场，面临一个关键挑战：事件揭晓后，互联网会迅速充斥答案及相关分析。如果直接利用这些信息生成训练轨迹，模型学到的可能不是如何推理，而是如何复现已知答案。

EvoForesight通过分离搜证与预测来应对这一问题。时间敏感的搜证模块在事件揭晓前收集并冻结证据，时间无关的预测团队可以在任意时间反复探索，以进行RLVR训练；时间敏感的搜证模块可通过Skill提取技术将有效的搜证经验沉淀为可复用的技能，并利用少量新增数据实现快速更新。

由此，即使事后信息不断涌现，也不会进入预测模块所使用的证据集，从而降低训练数据被污染的风险。

在此基础上，EvoForesight通过两条互补的路径将经验转化为能力：

1、内化（Internalization）：将经验融入模型权重。通过可验证奖励强化学习（RLVR），模型从干净的预测轨迹中学习，逐步将经验转化为自身能力。这种方式有助于实现更深层的能力更新，但通常需要积累足够的真实轨迹。

2、外化（Externalization）：将经验沉淀为可复用技能。无需更新模型权重，而是将有效的推理策略提炼为显式预测技能，供模型在后续任务中调用。这种方式对真实轨迹的需求更低，能够以较小的数据成本快速改善预测表现。

内化追求更深层的能力更新，外化侧重更高效的经验复用。两者相互补充，使EvoForesight能够在隔离事后信息的前提下，持续从真实世界的预测经验中学习与进化。

04.

预测准确率拿到最高排名

预测质量逐轮递增

在周更的实时预测榜单FutureX上，Branchus智能体连续三周稳居第一。测试中，Branchus接入了Qwen3.8-Max、GPT-5.6-Sol、DeepSeek-V4-Pro、Claude-Opus-4.6四个不同厂商、不同规模的模型上，面对一众强劲基线，Branchus在每一组里都拿下最高分、最高排名，四个配置更是包揽总榜前三。

同时，Branchus在事件发生概率的校准指标（模型给出的概率，要和事情实际发生的频率对得上）上取得优秀成绩，这意味着它不靠“过度自信换准确率”，而是真正知道自己几分把握。

随着真实轨迹一轮轮积累，蒸馏出的技能让预测质量逐轮递增，仅靠88条真实轨迹，系统就已明显变强。而参数、技能两条轴一旦碰到瓶颈，让环境跟着进化、专打软肋出难题，性能就会进一步提升。

2026年诺贝尔奖预测为EvoForesight提供了一次具有现实意义的检验。研究团队在获奖者公布前，将Branchus的预测实名发布于X平台，以公开时间戳确保结果可追溯、可审计。

这一任务的挑战在于其高度不确定性。诺奖候选范围广泛，评审过程高度保密，最终获奖者也未必是外界普遍看好的热门人选。因此，有效预测不仅需要分析已有信息，更依赖于广泛搜集证据、识别潜在竞争者，并形成独立判断。

实际结果也体现了这一挑战。物理学奖得主Francis Halzen和和平奖得主Navi Pillay均属于较少受到关注的候选人。在本次比较中，其他参评系统未能对两人给出有意义的预测，而Branchus则将这两人都列为了获奖候选人。

不同框架在预测过程中的表现，揭示了它们对潜在候选人的探索深度与最终判断的差异。

研究团队的框架在三次独立运行中均提及Halzen，其中两次在最终决策阶段进一步讨论了其获奖概率，还有一次将其纳入最终预测名单，并赋予3% 的获奖概率。

同时，通过对比多次运行中各框架为不同候选人分配的最终预测概率分布，可以进一步观察各框架在预测判断上的差异，以及对不同候选人的关注与评估方式。

在文学奖预测中，Branchus的表现也较为稳定：三次运行均将最终得主Anne Carson排在前两位。结合前文的物理学奖、和平奖的结果，Branchus在三个奖项上都给出了接近最终结果的预测。

这些结果表明，通过更广泛的证据搜集与更深入的分析，EvoForesight有望识别出未受到广泛关注、却具有竞争力的候选人。这一表现也为其通过持续积累经验、改进推理能力来提升现实任务表现提供了一个有价值的案例。

整体来说，诺奖的预测具有较高的挑战性，如何突破事件衍化背后的随机性与偶然性，是未来值得突破的方向之一。这也是我们系统后面需要持续增强的能力。

05.

结语：AI的进步

环境更为重要

EvoForesight初步实现了一个性能优异的预测器，更重要的是它的思想可以借鉴研发其他AI系统：如何构建一个可以持续产生挑战任务、并且能够校验的环境可能是AI进步的关键。

早期AlphaGo、RLVR是这一想法的开端，但是如何在真实世界完成这样一个设置本身就具有很大的挑战性与重要意义。本文的工作将有助于推动递归自进化（RSI）的相关探索。

人大高瓴、IQuest提出可持续进化框架：把真实世界当考场，AI越预测越强图10

人大高瓴、IQuest提出可持续进化框架：把真实世界当考场，AI越预测越强图11

人大高瓴、IQuest提出可持续进化框架：把真实世界当考场，AI越预测越强图12

人大高瓴、IQuest提出可持续进化框架：把真实世界当考场，AI越预测越强图13