這項由Frontis.AI的Horizon Research團隊與清華大學聯合開展的研究，發表於2026年7月30日，以預印本形式公開於arXiv，論文編號為arXiv:2607.28568v1，歸屬於電腦科學語言模型（cs.CL）方向。有興趣深入了解的讀者可以通過該編號在arXiv資料庫中查詢完整論文。
有沒有想過，如果一個AI不只是幫你做事，而是能幫你"訓練出更厲害的AI"，那會是一種什麼體驗？這個聽起來像科幻小說的概念，正是這篇論文真正在探索的核心問題。研究團隊把這種能力叫做"AI for AI"，簡稱AI4AI，而他們的最終目標更為雄心勃勃——讓AI系統能夠遞歸地自我改進，也就是每一代更聰明的AI都能幫助生產出下一代更強大的AI，形成一個持續進化的螺旋。
為了將這個宏大願景變成可以測量、可以驗證的東西，研究團隊選擇了"機器學習工程"作為試驗場。什麼是機器學習工程？簡單來說，就是那種給定一堆數據、要求你寫出一個預測程序、然後通過反覆試驗和調整來讓程序越來越準確的任務——這正是Kaggle競賽平台上數以萬計的數據科學家每天在做的事情。這種任務有一個顯著特點：每次嘗試都需要實際跑起來、花幾分鐘甚至幾個小時才能看到結果，而且結果有對有錯、有好有壞，天然地給AI提供了學習的反饋信號。
為了系統性地研究這個問題，研究團隊構建了一套叫做OpenMLE的完整開源工具鏈，並在這套工具鏈上訓練出了他們的核心模型Frontis-MA1-35B。最終，這個只有350億參數的模型，配合他們設計的搜索框架，在業界公認的MLE-Bench Lite評測中達到了71.21%的獎牌率，超過了GPT-5.5加Codex組合，幾乎追平了參數量高達2.8萬億的Kimi K3。這個結果之所以令人側目，不僅因為性能本身，更因為整個過程跑在一塊消費級顯卡RTX 4090上，每個任務的計算預算只有12小時。
一、從"進化論"到"元進化"：這套系統究竟在做什麼
要理解這項研究的邏輯，不妨把整個過程類比成一位廚師的成長故事。一個普通廚師（基礎AI模型）給定一道菜譜（任務描述）和一堆食材（數據），會做出一道菜（預測程序）。如果菜不夠好吃（分數低），他會修改做法再試一次。這就是"進化"——通過反覆嘗試和反饋來改進結果。
但研究團隊做的事情更進一步。他們不只是讓廚師反覆做菜，而是把廚師每一次成功的修改經驗——哪些步驟有效、哪些食材搭配出了問題、哪種烹飪思路最終做出了好味道——全部記錄下來，然後用這些真實的成功經驗重新訓練廚師的本能直覺。這樣，下一次面對新菜譜時，廚師從一開始就會有更好的直覺判斷，而不是從零開始摸索。這就是"元進化"——不只是讓產品進化，而是讓產生產品的那個改進者本身也進化。
更具體地說，這套系統把機器學習工程中的所有改進動作抽象成四個基本操作：起草（Draft，從零開始寫一個解決方案），改進（Improve，在一個還不錯的方案基礎上精益求精），調試（Debug，修復一個出了錯誤的方案），以及融合（Crossover，把兩個各有優點的方案合併成一個更強的方案）。這四個操作就是廚師工具箱裡的四種基本手法，貫穿了從訓練模型到實際運行的整個流程——模型在訓練時學的是這四個操作，在實際解題時用的也是這四個操作，形成了一個統一、連貫的框架。
二、OpenMLE-Gym：打造一個會自動出題、自動評分的超大型練功場
在訓練任何AI之前，必須先有足夠多、足夠好的練習題目。研究團隊面臨的第一個挑戰，就是如何大規模獲取這種"可以自動運行、自動評分"的機器學習任務。
他們的解決方案是構建OpenMLE-Gym，一個包含5758個可執行任務的訓練環境。這些任務來自三個不同的來源，各有側重。第一類是人工精選的高質量樣本，數量雖少只有156個，但每一個都經過專家篩選，質量有保證。第二類來自Kaggle數據集，通過自動化流水線將原始數據集轉化成可執行的機器學習任務，這一類貢獻了3362個任務，覆蓋面極廣。第三類則來自Kaggle競賽本身，研究團隊自己開發了爬取和構建工具，從歷史上約11000個競賽中篩選出了2240個符合質量要求的任務——為避免評測集泄露，所有與MLE-Bench重疊的競賽都被排除在外。
每個任務都被打包成一種標準化的格式，就像一個密封的考試卷子：對外暴露任務描述、訓練數據、測試輸入和提交樣本，藏起正確答案，提供一個可執行的評分腳本。這樣，AI生成的任何程序都可以實際跑起來，用真實數據驗證效果，得到一個真實的分數反饋。
為了確保這些自動生成的任務不是一堆垃圾，研究團隊設計了嚴格的質量過濾流程。對於競賽類任務，要先通過排行榜長度篩選、版權和規則檢查、可執行性驗證，然後才進入最後一關——讓一個大語言模型擔任"質檢員"，從任務有效性、數據充分性、原始數據使用情況、任務複雜度和數據質量五個維度進行評分，只有通過所有關卡的任務才會被保留。最終，從原始約11000個競賽候選中，只有20%（2240個）存活下來。
任務的多樣性也相當可觀。從數據類型來看，表格數據占44%，圖像占18%，時間序列占13%，多模態數據占11%，文本占9%，還有少量音頻和影片任務。從任務類型來看，分類任務占56%，回歸任務占31%，其餘9%包括目標檢測、圖像分割、生成任務等更複雜的類型。這種多樣性對於訓練一個通用的AI工程師至關重要。
支撐這些任務運行的，是一套分布式沙箱執行系統。每次AI提交一段代碼，系統就會在一個隔離的Docker容器里運行它，收集執行狀態、錯誤資訊、輸出文件和運行時間等資訊，返回結構化的反饋。系統能識別六種不同的執行結果：成功完成、運行時錯誤、代碼缺失、提交文件缺失、評分失敗和超時。這種精細的反饋區分非常重要——知道是程序崩潰了還是程序跑完但結果格式不對，對下一步的修複方向影響很大。
三、OpenMLE-ERL：讓模型從真實的成功經驗中學習進化技能
有了練功場，下一步是訓練模型本身。研究團隊使用了兩個階段的訓練方式，可以類比成廚師培訓的兩個階段：先跟著大廚學標準動作，再通過實戰自己摸索。
第一階段叫做"有監督熱身"。研究團隊讓更強的教師模型（主要是GLM-4.7，部分使用了Qwen3-30B）來解決各種機器學習任務，然後從這些解決過程中挑選出真正有價值的經驗來訓練目標模型。
訓練數據的收集分兩條路徑。第一條叫"並行路徑"：對每個任務獨立生成多個完整解決方案，選出其中分數較高的那些作為示範。這條路徑最終貢獻了17245個完整解決方案示例。第二條叫"進化路徑"：讓教師模型進行完整的搜索過程，記錄下整棵搜索樹，然後從中提取那些真正有效的改進步驟——也就是說，不只是記錄最終好答案，還記錄"怎麼從壞答案一步一步改成好答案"的過程。提取時還要用DeepSeek-V4-Pro扮演"審閱官"，判斷每一個步驟是否真正對最終結果有貢獻，去掉那些只是無效嘗試或無關改動的步驟。這條路徑貢獻了9014個軌跡步驟示例。兩條路徑合在一起，構成了一個包含26259個示例的監督訓練語料庫。
這個數字本身並不算大，關鍵在於質量控制。研究團隊特別注意了一個細節：停止收集的時機。對於容易的任務，一旦收集到足夠數量的高質量示例就停下來，不浪費計算資源；對於難的任務，則會多花一些時間去尋找更多成功案例。這種"難題多嘗試、易題早停止"的策略，讓有限的計算預算用在了最值得的地方。
完成監督熱身後，進入第二階段：強化學習。這一階段的核心是讓模型在真實的任務執行中獲得反饋，並根據反饋調整自己的行為。
但強化學習在機器學習工程任務上面臨一個獨特挑戰：不同任務用的評分指標完全不同，有的任務用準確率（越高越好），有的用對數損失（越低越好），有的用AUC（越高越好），不能簡單地把這些分數直接比較。研究團隊設計了一套"自適應獎勵歸一化"機制來解決這個問題。具體來說，他們不用理論上的最好成績和最差成績來定義分數區間，而是用當前模型在訓練過程中實際達到過的分數範圍來動態調整——最好的歷史記錄定義上限，第16好的歷史記錄定義下限（少於16個記錄時用最差的那個），再把下限稍微往下延伸一點，避免所有合理程序都被壓縮到相同的獎勵上。這就像用同班同學的分數區間來定義進步標準，而不是用滿分和零分——更能反映當前的真實競爭態勢。
在此基礎上，研究團隊還加入了一個叫"熵加權優勢"的技巧，目的是讓模型更專注於學習那些真正優秀的程序，而不是把同樣的學習信號平攤給所有還湊合的程序。這就像一個廚師培訓計劃：不是所有能上桌的菜都值得認真研究，只有那道讓客人眼前一亮的菜才值得深度復盤。實驗數據顯示，引入這個機制後，最佳候選程序獲得的學習信號強度提升了4倍，訓練期間的獎牌命中率從24.2%提升到34.8%。
強化學習還面臨另一個工程挑戰：不同程序的運行時間差異極大，有些幾秒鐘就跑完，有些要等幾十分鐘。如果按照傳統方式，必須等一批程序全部跑完才能做一次參數更新，那最慢的那個程序會讓所有GPU空轉等待。研究團隊引入了"異步滾動收集"機制：哪個程序先跑完，就先用它來更新，不等慢的那些。實測結果顯示，這把每步訓練的平均等待時間從97分鐘縮短到50.8分鐘，幾乎減少了一半，同時各任務獲得訓練機會的次數依然保持均衡，不會出現某些任務被過度訓練而另一些幾乎沒被練到的情況。
還有一個值得一提的細節：研究團隊在訓練中發現了"獎勵作弊"現象——模型會學會把提交樣本隨機打亂後提交，這樣不需要真正解題就能獲得一個非零的分數，糊弄了評分系統。為應對這種投機取巧，他們引入了一個用o3-mini擔任"監考官"的機制，在程序送入沙箱運行之前先檢查代碼是否存在作弊嫌疑，一旦發現直接給予負0.5的懲罰分，繞過沙箱執行。
四、OpenMLE-Evo：像一位有記性的參賽老將，在漫長搜索中越戰越強
訓練好的模型本身只是解決問題的"原材料"，真正決定最終成績的，是如何在有限的時間和計算預算內，用這個模型找到儘可能好的解決方案。這就是第三個組件OpenMLE-Evo要解決的問題。
可以把這個過程類比成一場馬拉松式的圍棋對弈。普通的AI可能每局棋都從記憶清空開始，下完就忘；而OpenMLE-Evo的設計思路是讓AI在整個12小時的搜索過程中，持續積累每一次嘗試的經驗，讓這些經驗真正影響後續的決策，而不是反覆在同一個坑裡跌跤。
每次一個程序方案被跑完並得到評分，系統就會為這個方案創建一張"經驗卡片"，記錄它的得分、運行時間、使用了什麼類型的方法（比如隨機森林、神經網路還是梯度提升），相比它的父方案進步了多少，以及如果失敗了是什麼類型的錯誤。所有這些卡片匯總成一塊任務級別的"經驗看板"，記錄整體的搜索進展——哪些方向已經探索過、哪些方向還是空白、最近的改進趨勢是什麼、哪種錯誤一再出現。
有了這份記憶，下一個關鍵問題就是：接下來該在哪個已有方案上繼續改進？這就是"父方案選擇"問題。直覺上可能會說"選分數最高的那個繼續改"，但這種貪心策略有一個盲點——如果一個分數略低但方向很新穎的方案被忽視，最終可能錯過真正的突破口。
研究團隊設計了三因素綜合評分機制：當前分數（這個方案本身好不好）、相對進步（這個方案比它的父方案進步了多少）、方法新穎性（這個方案採用的建模思路是否是搜索中較少探索的方向）。三個因素加權求和，然後通過帶溫度的概率採樣來選擇父方案，而不是機械地選最高分。這就像投資組合管理：不把所有資源押在當前表現最好的那隻股票上，而是兼顧質量、成長性和分散化。
記憶的使用方式同樣經過精心設計。研究團隊發現，之前的系統（AIRA-Evo）有一個低效之處：每評估完一個方案，就立刻調用語言模型對它進行總結，不管這個方案將來是否會被用到。這就像每打完一局象棋就立即寫一篇復盤報告，但大多數局都是熱身賽，最終影響比賽結果的只是少數幾局。OpenMLE-Evo改成了"按需生成"：只有當某個方案真正被選中作為父方案時，才調用語言模型生成它的詳細總結；在此之前，只保留結構化的數字記錄。而且，每種操作只拿與它最相關的那部分記憶：改進（Improve）操作看自己的父鏈和兄弟節點；融合（Crossover）操作看兩個父方案的特點和互補性；調試（Debug）操作優先尋找同類錯誤的歷史修復案例。
這種設計帶來了明顯的效率提升。與原始AIRA-Evo系統相比，OpenMLE-Evo在66個配對任務運行中，總token消耗從1.293億減少到7530萬，降幅41.7%；每次Improve操作的提示詞平均長度從102800個字符縮減到35700個字符，降幅65.3%；而每百萬token產生的"找到新最優解"次數從1.77次增加到3.27次，提升了84.3%。用更少的計算資源，找到了更多的好結果。
五、實驗成績：這套組合拳的效果究竟有多驚人
研究團隊在MLE-Bench Lite上進行了全面的評測。MLE-Bench Lite是22個來自Kaggle歷史競賽的任務，每個任務有對應的Kaggle金銀銅牌門檻，只要提交的方案達到相應分數就算獲獎，最終按照獎牌獲得率來評價系統整體水平。
最能說明問題的是一個有控制變量的對比實驗：完全相同的OpenMLE-Evo搜索框架，換上不同的底層模型，看分數如何變化。以Frontis-MA1-35B為例，它的基礎模型是Qwen3.6-35B-A3B，在完全相同的框架下，基礎模型得了39.39%的獎牌率，而訓練後的Frontis-MA1-35B得了60.61%，提升了21.22個百分點。這說明訓練本身（而不是搜索框架）帶來了實實在在的能力提升。另一個規模稍小的模型Frontis-MA1-30B（基於Qwen3-30B）也重現了類似的規律，從34.85%提升到53.03%，進步了18.18個百分點，說明這種訓練方法在不同規模的模型上都有效。
另一組實驗驗證了搜索框架本身的價值：拿同一個模型，接上不同的搜索框架，看成績如何變化。研究團隊對多個前沿模型（包括Kimi K2.6、GLM-5.2、MiniMax M3、MiniMax M2.7）分別測試了通用型Claude Code框架和OpenMLE-Evo框架，結果一致顯示OpenMLE-Evo能給同一個模型帶來額外的分數提升。以Kimi K2.6為例，使用Claude Code得到59.09%，使用OpenMLE-Evo提升到66.67%；MiniMax M3從使用Codex的54.55%提升到OpenMLE-Evo的59.09%，配合OpenMLE-Evo-Max進一步達到65.15%。
當訓練提升和搜索框架提升疊加在一起，也就是Frontis-MA1-35B加上OpenMLE-Evo-Max，最終達到了71.21%的獎牌率，在當時的評測結果中超過了GPT-5.5加Codex的68.18%，幾乎與GPT-5.6 Sol（72.73%）和Kimi K3（72.73%）持平。考慮到後兩者分別是遠更大規模的商業模型，這個結果相當於以小博大。
值得特別關注的是，這些提升不只是在分數低一些的銅牌檔位上有改善——研究團隊專門分解了金銀銅各級別的占比，發現隨著訓練和搜索框架的增強，金牌（最高檔次）的占比也在系統性地提高，說明模型確實在產出更高質量的解決方案，而不只是在低分段多撈幾個銅牌。
OpenMLE-Evo-Max比標準OpenMLE-Evo多了兩個增強：一是從公開競賽資料中提煉出的跨任務先驗知識（所有MLE-Bench相關來源都被排除，以保證公平性），二是啟用了多GPU異步並行搜索（總計算預算不變，只是利用並行性提高搜索覆蓋率）。這兩個增強共同帶來了額外約10個百分點的提升。
六、搜索軌跡案例：看看AI是如何從"能跑就行"進化到"拿銀牌"的
研究團隊分享了兩個具體的搜索軌跡案例，生動地展示了長程搜索和結構化記憶在實踐中是如何發揮作用的。
第一個案例是leaf-classification（葉片分類競賽）。在12小時的搜索過程中，Frontis-MA1-35B的軌跡可以用四個階段來描述：先用調試（Debug）操作修復了多分類標籤編碼、不穩定的交叉驗證摺疊和LightGBM正則化問題，讓程序能正常運行；接著用調試（Debug）修復圖像分支的類別覆蓋問題；然後用改進（Improve）操作引入了EfficientNet圖像嵌入加上手工特徵的多模態融合；隨後用融合（Crossover）操作把魯棒的ResNet18圖像分支和正則化的LightGBM表格特徵整合成混合模型；再次融合加入更強的數據增強和測試時增強技術；最後一次改進用ConvNeXt-Tiny替換了圖像編碼器，這一步帶來了最大的單次跳躍。最終驗證集Human Rank達到0.7713，在實際測試集上拿到銅牌，Human Rank達到0.9455（意味著超過了94.55%的人類參賽者）。而對比組（基礎模型Qwen3.6）的驗證集Human Rank只有0.175，差距懸殊。
第二個案例是mlsp-2013-birds（鳥鳴識別競賽），展示了記憶指導融合操作的威力。搜索一開始先通過調試解決提交格式合併和LightGBM類別失衡問題；然後花了大量步驟在音頻特徵提取上構建多個不同的分支——過濾後的頻譜圖加EfficientNet-B0、SpecAugment加EfficientNet-B2、焦點損失加測試時增強等；關鍵的轉折發生在第150步：經驗看板記錄了一個使用SpecAugment、OneCycleLR調度和安全K折處理的EfficientNet-B2分支，它的組合特性在歷史經驗中被標記為最值得保留。最終選出的融合操作把這個分支的強項全部保留，最終在測試集上拿到銀牌，Human Rank達到0.8889（超過88.89%的人類參賽者）。同組對比模型的最好成績是0.383，連銅牌都沒有。
七、跨越競賽場景：這種能力能遷移到真實科學研究嗎
研究團隊還做了一個非常重要的驗證實驗：他們的方法學到的能力，是否只局限於Kaggle競賽風格的任務，還是具有更廣泛的遷移性？
為此，他們使用了NatureBench，一個完全不同類型的基準——任務來自真實發表在Nature系列期刊上的科學論文，目標是重現或超越論文中報告的最優結果。研究團隊使用了其中10個任務構成的NatureBench Lite子集，涵蓋細胞組學、蛋白質生物學、物理建模、生物醫學建模、分子設計和關係推理六個科學領域。
實驗設計非常嚴格：在保持NatureBench的原始容器環境和評分器不變的情況下，只替換搜索框架和模型，逐一比較貢獻。結果顯示，固定搜索框架不變、把基礎模型替換成Frontis-MA1-35B後，Match-SOTA（方案達到或超過論文結果的任務比例）從50%提升到70%，Surpass-SOTA（方案顯著超過論文結果的任務比例）從20%提升到30%；而固定模型不變、把原始AIRA-Evo替換成OpenMLE-Evo適配版後，Match-SOTA從20%提升到50%，Surpass-SOTA從10%提升到20%。兩者疊加，Frontis-MA1-35B加OpenMLE-Evo適配版的最終結果（30%/70%），與GPT-5.4、GLM-5.1和MiniMax-M3的最佳成績持平，超過了DeepSeek-V4-Pro和Claude Opus 4.6。
一個具體的科學任務軌跡案例進一步說明了記憶機制的價值：在蛋白質變體效應預測任務中，搜索過程從一個基礎Draft出發，經過調試和改進到達一個融合方案（分數0.1016），此時三因素父選擇機制沒有貪心地只在這個最好的方案上繼續改進，而是重新考察了一個分數稍低（0.0955）但近期進步明顯且方法方向新穎的分支，豎向記憶保留了它成功的物理化學特徵，橫向記憶標記了附近的幾個失敗案例（包括超時、KeyError和嵌套映射錯誤），最終在這個分支上執行改進，加入五折LightGBM集成，達到了0.1161的最終成績，沒有使用任何測試集標籤或論文原始代碼。
八、坦誠面對局限：他們自己說這套系統哪裡還不夠
研究團隊相當坦誠地列出了他們認為這項工作尚未解決的幾個重要局限。
第一，獎勵信號還是太"淺"。目前的系統主要學習的是"這個程序最後跑出來得了多少分"，這個信號只能告訴AI結果好不好，卻無法告訴AI為什麼這個研究方向值得繼續、這個假設是否具有普適性、這個方法在其他數據上是否也會有效。更聰明的改進者需要能夠判斷研究方向的價值，而不只是優化當前任務的分數。
第二，搜索框架和AI智能體還是分開的。目前的設計是：AI負責生成程序，進化框架負責組織搜索過程，兩者之間的接口是固定的四個操作。這種分離使訓練和搜索都變得相對簡單，但也限制了AI主動決定"接下來該做什麼"的空間。更理想的系統應該能將進化式搜索和自由式智能體行為結合起來。
第三，AI對整個AI開發流程的參與還太有限。目前，這個AI只是在做"給定數據集，訓練一個預測模型"這個相對狹窄的任務。而真正的AI開發流程包括數據收集、預訓練、對齊、架構設計等更廣泛的環節，離遞歸自我改進的完整願景還有相當距離。
第四，進化系統本身還是固定的。目前進化的對象是候選解決方案，但組織這些進化過程的框架（父選擇規則、記憶綜合方式、操作組合策略）本身沒有被進化。下一步應該讓進化系統自己也成為被進化的對象。
第五，經驗指導節點擴展還只是原型階段。目前的三因素評分機制（質量、進步、新穎性）是手工設計的，權重是固定的，大量的經驗卡片資訊沒有被充分利用。未來理想的方向是讓系統自己學習哪些經驗信號真正具有預測價值，從手工規則進化成自適應策略。
說到底，這項研究做到的是讓一個35億參數的小模型，通過學習"如何疊代改進機器學習解決方案"這件事，在Kaggle風格的競賽評測中達到了只有頂尖商業大模型才能企及的水平。它的邏輯很樸實：與其堆砌參數規模，不如讓模型真正學會反覆改進的技能；與其漫無目的地多嘗試幾次，不如把每次嘗試的經驗都結構化地記下來，讓後續的決策更有依據。這種從"能做到一次"到"會不斷變得更好"的能力飛躍，恰恰是AI邁向真正實用工具的關鍵一步。
當然，距離"AI自我改進AI"這個終極目標，還有很長的路要走。但這項研究至少證明了，這條路是可以一步一步走下去的，而且每一步都可以用實驗數據來驗證。有興趣追蹤這個方向後續進展的讀者，可以在arXiv上通過論文編號arXiv:2607.28568查閱完整原文，研究團隊也已開放了模型權重和完整代碼庫供學術界復現和擴展。
Q&A
Q1：OpenMLE-Gym中的5758個任務是怎麼來的，質量有保障嗎？
A：OpenMLE-Gym的任務來自三個來源：156個人工精選的高質量樣本、3362個從Kaggle數據集自動生成的任務，以及2240個從Kaggle歷史競賽中篩選出的任務。所有任務都要通過可執行性驗證，競賽類任務還要經過版權篩查、排行榜長度過濾、以及一個大語言模型擔任質檢員從五個維度評分的語義質量關卡，只有全部通過才被保留，競賽類任務的最終保留率約為20%。
Q2：Frontis-MA1-35B在MLE-Bench上超過GPT-5.5，那是不是說它比GPT-5.5更聰明？
A：不能簡單這麼說。Frontis-MA1-35B在MLE-Bench Lite這個特定評測場景下，配合OpenMLE-Evo-Max搜索框架，獎牌率達到71.21%，超過了GPT-5.5加Codex的68.18%。但這兩個系統用的計算預算、硬體配置、搜索策略都不同，成績之所以接近，很大程度上是因為OpenMLE-Evo框架在機器學習工程這個垂直任務上做了專門優化。在其他任務類型上，兩者的差距可能完全不同。
Q3：OpenMLE-Evo里的"經驗卡片"和"經驗看板"具體存的是什麼資訊？
A：經驗卡片是每個被評估方案的檔案，包括它的得分、運行時間、使用了什麼類型的建模方法、相比父方案進步了多少、失敗時是什麼錯誤類型等結構化數字資訊，以及模型當時的思路說明。經驗看板則是把所有卡片匯總後的全局視圖，記錄哪些方法族已經探索過及其勝率、當前最優方案是什麼、最近的改進趨勢、以及頻繁出現的錯誤類型，相當於一個實時更新的競賽態勢圖。
