南大清华联合提出 Solvita：竞赛编程 Agent 跑进 Codeforces 全球前十

在代码生成任务中，大模型已经能完成日常开发工作，但面对算法竞赛中的复杂题目，仍然容易被算法选择失误、边界遗漏、复杂度估计错误和隐藏测试「打挂」。来自南京大学、清华大学等机构的研究者提出了 Solvita——一个面向竞赛编程的 Agentic Evolution 框架，它不微调底层大模型，而是通过 Planner、Solver、Oracle、Hacker 四类 Agent 组成闭环，并配合可训练的图结构知识网络，让系统从解题、测试、攻击和修复的全过程中持续积累经验。论文及代码已经公开，评测显示其在 Codeforces 真实比赛中的表现已进入全球前十，CF rating 超过 3500。

核心思路：把竞赛编程拆成「求解—认证—攻击—修复」闭环

Solvita 把一道算法题的求解过程拆成四个互补角色：

Planner：把原始题面抽象成形式化数学描述，预测可能的算法标签、思路和复杂度，并结合知识网络检索结构相似的历史题目。
Solver：根据 Planner 的策略生成 C++ 程序，并在样例和 Oracle 生成的测试上验证；与「失败就整段重写」不同，Solvita 强调 patch-based repair，尽量只对出错位置生成 SEARCH/REPLACE 形式的局部补丁。
Oracle：为候选解法构造可靠内部测试，生成基于 testlib 的 generator、validator、checker 和 reference solver，并负责多答案问题的自定义 checker 验证。
Hacker：主动分析候选代码的潜在漏洞，沿着 semantic、stress、antihash 等攻击路线构造能击穿错误程序的输入，成功 hack 到的 bug 还会作为失败经验回流到知识网络。

四个角色不是固定流程，而是一个会随历史经验更新的闭环：失败经验会改变后续任务的策略路由。

关键设计：可训练的图结构知识网络

Solvita 区别于一般多 Agent 框架的关键，在于每个 Agent 都配有一个可训练的 graph-structured knowledge network。以 Solver 为例，其知识网络分为三层：

Q Layer：记录历史题目的描述和元信息；
M Layer：记录解法分解、失败对比和元认知分析；
S Layer：记录可复用的算法技能和 C++ 模板。

新题到来时，系统会先检索相似的 Q 节点，再沿 Q→M→S 的两跳路径激活相关技能；不同路径的边权会根据历史成功与失败动态更新——成功路径被强化，失败路径被削弱或生成对比节点。这种「可训练的策略路由」与传统的 RAG（将相似文本塞入 prompt）有本质差异。

实验结果：在多数 benchmark 和真实比赛评测中领先

论文在 CodeContests、APPS、AetherCode 以及近期 Codeforces rounds 上评测了 Solvita，对照方法包括 single-pass、Codex CLI、Claude Code、AlphaCodium 和 MapCoder。

在 15 个 backbone-benchmark 组合中，Solvita 在 14 个上取得最高 pass@1。
消融实验显示，从 single-pass 切换到无训练的多 Agent 框架本身就能带来显著提升；在此基础上加入 Solver/Oracle/Hacker 知识网络后性能还能继续提升，且随着训练题量从 1.5k 增加到 4.5k，收益持续增长。
成本分析显示，Solvita 的平均 token 消耗与开源 Agent 框架处于相近区间，没有逼近部分商业 CLI Agent 的高消耗。
真实比赛评测：选取 12 场 post-cutoff Codeforces rounds、共 76 道题，在官方时间限制内完成，不允许赛后修改；使用 GPT-5.4、Claude Opus 4.6、DeepSeek V4 Pro 作为 backbone 的 Solvita 版本均进入 Legendary Grandmaster 区间，而相同 backbone 的 bare model 仍停留在较低 rating。

此外，论文还专门比较了 Solver 内部的两种修复方式：full regeneration 与 patch repair。结果显示，在相同最大迭代预算下，patch repair 的通过率更高、平均迭代次数更少、token 更省。

总结：更强的 coding agent，不一定只来自更大的模型

Solvita 的核心贡献可以概括为三点：

提出 solve–certify–attack–repair 闭环，将策略选择、程序生成、测试认证和对抗攻击组织成一个持续运转的求解系统；
引入可训练的图结构知识网络，使 Agent 能在不微调底层 LLM 的前提下持续积累经验；
在 CodeContests、APPS、AetherCode 和 Codeforces 真实比赛评测中均取得领先，验证了框架在离线 benchmark 与真实比赛两种环境下的有效性。

研究团队认为，未来更强的 coding agent，未必只来自更大的基座模型，也可能来自更好的经验组织方式。真正可靠的代码智能体，需要会规划、会验证、会攻击自己的答案，也需要能把失败转化为下一次成功的经验。

参考资料：

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