Reward-Free Evolving Agents via Pairwise Validator

论文用 Pairwise Performance Validator 替代标量奖励，让系统只比较两个 agent 版本在样本任务上谁更好，从而降低构造 reward 的成本。EvoAgentX 可以演化 prompt 或程序，实验中 USACO 从 20% 到 36%，GAIA 从 72% 到 79.33%，HotpotQA 从 68.25% 到 79.0%，覆盖 21 个任务。它适合观察“弱判断信号能否驱动复杂 agent 自我改良”这个问题。