VeriEvolve：面向工具使用智能体的评估器优先进化框架

VeriEvolve 提出评估器优先的进化框架，先由任务指令合成带指令依据的挑战状态和可执行评估器，再在评估器冻结的情况下优化智能体工作流。在全部 30 个 MCPMark Filesystem 任务上，它构建了 30 个评估器、141 个挑战状态，生成套件一致率为 141/141，执行智能体产出的留出状态一致率为 113/122。