程序进化不该把每次提案都跑满评

大模型搜程序时，默认把每个提案跑完全评，预算很快烧光。EvoAlloc 把分配器自己也放进进化环：先决定满评、部分评还是丢掉，再用结果改策略。论文号 2610.12086，2026-10-08 挂到 arXiv。本轮仓库页搜不到公开代码，论文写接受后再放。数字以论文表为准，不是本轮复现。

分配器也该自己长

它嵌在现成的程序进化框架里。自然语言策略加蒸馏过的经验，驱动一个编码模型做分配。动作是满评或丢掉；其中一套基准还允许先部分评再决定继续还是停。每积累五次新的满评结果更新经验，每十次更新策略。挑战者要在两次分歧上通过，词典序先看少漏掉多少新最优，再看少跑多少满评。三成概率会把丢掉或停掉的候选再抽去满评，用来补反事实。预热至少要各有一条新最优和一条非新最优。经验槽写成四条在用、四条过期。提案器三家，温度三档，满评预算一套七十五、一套一百五十，五个随机种子。

对照是跑满所有提案、同模型但不进化策略、谱系置信上界，以及十五候选淘汰赛。作者强调：分配器花的 token 要单独记账，不能只报终点分。

少跑很多满评，终点分还能更高

跟上跑满基线的终点分，完整方法少 59% 到 82% 的满评，少 61% 到 89% 的模型 token。同一满评预算下，终点分相对抬 8.7% 到 12.0%。一套基准的终点分从 35.33 到 39.56，另一套从 2.343 到 2.547。第一次摸到基线终点分，一套从六十九次满评降到二十八次，token 从约八千九百八十万降到三千五百三十万；另一套从一百四十八次降到二十六次，token 从约六百一十万降到七十万。

抽查池里，一套一百三十二次探索里有六次摸到新最优，三十三次比父代更好；另一套二百九十六次里二十二次新最优，九十一次更好。反事实概率扫过零到七成，三成这一档到目标最便宜。随机丢掉一半，终点分明显低于完整方法。论文只覆盖两套基准、同一次搜索，生成器和评估器都不一起进化。没有公开仓，就没法按安装步骤复现。若你要的是可下载分配器，这篇还不满足；若你要看少跑满评会不会把终点分一起抬上去，数字都在 10-08 那一版里。本轮没有把作者花名册写进正文。