【导读】大语言模型在代码生成能力上虽日益增强，但在复杂算法竞赛场景中，仍常因算法选择失误、边界条件遗漏或测试覆盖不足而失败。由南京大学、清华大学等机构联合推出的 Solvita，是一款面向竞赛编程的智能体框架。它通过 Planner、Solver、Oracle、Hacker 四个角色构建闭环系统，并利用可训练的图结构知识网络持续积累经验，实现了从“单次生成”到“持续进化”的跨越。
竞赛编程不仅是将题面转化为代码，更是一个涵盖自然语言理解、数学抽象、算法范式选择、复杂度估算、代码实现及边界排查的复杂过程。当前 LLM 在此类任务中面临四大核心挑战：
LLM 攻克竞赛编程的四大难点
1. 算法选择高度依赖题目结构
同类问题（如图论、动态规划）在不同约束下往往对应截然不同的算法。若模型仅凭表面相似度检索样例，极易陷入“形似神不似”的误区，导致策略选择错误。
2. 样例测试覆盖不足
许多错误解法能通过公开样例，却在隐藏测试中失败。边界条件、复杂度极限、多答案校验及精度问题等，难以通过常规自测完全覆盖。
3. 失败经验难以复用
现有 Coding Agent 多在失败后重新生成或调试，但任务结束后，这些失败教训并未转化为长期策略。系统缺乏“避坑”机制，无法从历史错误中真正学习。
4. 多 Agent 框架缺乏动态记忆
AlphaCodium、MapCoder 等方法虽将解题流程阶段化，但多为固定流程，缺乏随历史经验更新的长期记忆与动态路由机制。
针对上述痛点，研究者提出了 Solvita。这是一个面向竞赛编程的 Agentic Evolution 框架，其核心在于不微调底层大模型，而是在外部构建可训练的图结构知识网络，让系统在解题、测试、攻击和修复的全过程中持续积累并复用经验。
代码仓库：https://github.com/NJU-LINK/Solvita
论文链接：https://arxiv.org/pdf/2605.15301
Solvita 的设计理念模仿人类选手的成长路径：变强并非依靠每题从零开始，而是积累“何种题型适用何套路”、“何种实现易出错”、“何种测试能暴露漏洞”等隐性知识。
Solvita 的核心工作机制
Solvita 将竞赛编程求解组织为一个闭环系统，由四个具备独立知识网络的 Agent 协同工作：
1. Planner：题目抽象与策略路由
Planner 负责将自然语言题面转化为形式化的数学描述，剔除无关信息，提取变量、约束及输入输出结构。基于内部知识网络记录的历史题目结构与标签，Planner 能预测最佳算法范式和实现思路，而非仅靠 Prompt 临场发挥。
2. Solver：代码生成与局部修复
Solver 根据策略生成 C++ 代码并进行验证。与“失败即重写”不同，Solvita 采用 Patch-based Repair 机制：若程序失败，Solver 仅生成 SEARCH/REPLACE 形式的局部补丁。这种方式保留了正确逻辑，集中修复错误点，避免了全量重写可能引入的新错误。
3. Oracle：构建可靠内部监督
Oracle 专注于构造可信的测试环境，包括生成 testlib 基础的 generator、validator、checker 及 reference solver。只有当测试输入、期望输出及认证比例满足严格标准时，生成的测试才会被采纳，从而为解法提供高质量的“监督信号”。
4. Hacker：主动攻击与漏洞挖掘
Hacker 扮演“对拍高手”角色，分析候选代码潜在漏洞，生成结构化漏洞报告，并通过语义攻击、压力测试、抗哈希冲突等手段构造反例。成功挖掘的 Bug 不仅用于当前修复，更作为负样本反馈至各 Agent 的知识网络，防止重蹈覆辙。
可训练的图结构知识网络
Solvita 的创新核心在于为每个 Agent 配备了可训练的图结构知识网络（Graph-structured Knowledge Network）。以 Solver 为例，其网络分为三层：
Q Layer：记录历史题目描述与元信息；
M Layer：记录解法分解、失败对比及元认知分析；
S Layer：记录可复用的算法技能与 C++ 模板。
当新题出现时，系统通过检索相似 Q 节点，沿 Q→M→S 路径激活相关技能。不同于传统 RAG 的静态文本检索，Solvita 的边权会根据历史成败动态更新：成功路径被强化，失败路径被削弱或生成对比节点。这使得记忆从“静态检索”升级为“可训练的策略路由”。
Oracle 与 Hacker 的互补效应
测试能力是解题的关键。Solvita 将测试职能拆分为两个互补方向：
Oracle：保守的可靠监督
侧重构造 reference solver 和验证器，旨在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：激进的漏洞发现
侧重寻找边界输入、复杂度极限及结构性反例，旨在暴露候选代码中隐藏的深层错误。
实验表明，二者结合在错误检测、正确解法保留及强测试确认上取得了最佳平衡。
实验结果与性能评测
研究团队在 CodeContests、APPS、AetherCode 及近期 Codeforces 轮次中对 Solvita 进行了全面评测。结果显示，在 15 个 backbone-benchmark 组合中，Solvita 在 14 项中取得最高的 pass@1。
以 GPT-5.4 为基座模型，Solvita 相比 single-pass 方法实现大幅跃升，并在多个基准测试中超越 AlphaCodium、MapCoder 等现有框架。值得注意的是，这一提升并未显著增加 Token 消耗，其成本与开源 Agent 框架相当。
消融实验：验证模块有效性
消融实验证实，从 single-pass 切换到多 Agent 闭环结构本身已带来显著提升。在此基础上，引入 Solver、Oracle 和 Hacker 的知识网络后，性能随训练数据量（1.5k 至 4.5k）增加而持续增长。三个网络分别提升了算法路由、监督质量及攻击能力，形成了互补叠加效应。
Patch-based Repair 的优势
对比 Full Regeneration（全量重写）与 Patch Repair（局部修复），后者在相同迭代预算下通过率更高，且平均迭代次数更少、Token 更节省。这证明在长链路解题中，精准修补优于推倒重来。
Codeforces 真实比赛表现
在 12 场 Codeforces 真实比赛（共 76 题）的评估中，搭载 Solvita 框架的模型（基于 GPT-5.4、Claude Opus 4.6 等）均进入 Legendary Grandmaster 区间，而同基座的裸模型表现则远低于此。这证明了 agentic loop、知识网络及对抗验证机制带来的系统性增强。
总结与展望
Solvita 通过三大核心贡献推动了 AI for Code 的发展：
1. 构建 solve–certify–attack–repair 闭环
将策略选择、程序生成、测试认证和对抗攻击整合为有机整体。
2. 引入可训练图结构知识网络
利用反馈信号动态更新边权，使 Agent 能在不微调底层 LLM 的前提下持续积累经验。
3. 竞赛编程性能显著提升
在多项权威基准及真实比赛中展现卓越性能，超越现有主流框架。
Solvita 的研究表明，未来更强的 Coding Agent 不仅源于更大的模型参数，更取决于更优的经验组织方式。真正的代码智能体需具备规划、验证、自我攻击及从失败中学习的能力，标志着 AI 编程从“一次性生成”迈向“持续进化”的新阶段。
参考资料：
https://arxiv.org/pdf/2605.15301
编辑：LRST
