EvoControl 是模型训练领域的开源项目，由 QuantaAlpha 开发，是 2026 年新上线的项目。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 134。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-14。Apache-2.0许可证，可免费使用和修改，无付费版本。
它主要面向的使用场景是：自动化算法竞赛代码性能调优。同类可对比的替代方案包括 Self-Refine、AlphaCode、CodeT。
EvoControl
让AI自己优化代码，还能按你的要求来
EvoControl 是一个用于算法代码优化的受控自进化框架的官方实现。它解决的是大语言模型在代码优化任务中自我进化时缺乏有效控制、容易偏离目标或产生无效优化的问题。其核心能力包括：通过受控的进化策略引导模型在搜索空间中高效探索，结合评估反馈动态调整优化方向，支持对算法代码进行自动性能调优和逻辑改进。项目基于 Python 实现，提供完整的训练与推理流程，适用于需要自动化提升代码效率或修复算法缺陷的场景。作为早期开源项目，它展示了如何将进化计算与语言模型结合，实现可监督的代码级自我改进。
开源
free
编程开发
GitHub 星标
★ 134
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类编程开发
开发团队QuantaAlpha
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，可免费使用和修改，无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型alphaevolve,code-agent,code-efficiency,self-evolution
GitHub 星标★ 134
30天Star增速
HF 下载量
上线时间2026-01-08 00:00:00
最近更新2026-09-14 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 提出受控进化机制，避免模型自我优化时跑偏
- 官方实现，代码结构清晰，便于复现实验
- 针对算法代码优化，场景聚焦，效果可量化
不足之处
- 文档/社区待观察
- 依赖特定模型和训练资源，上手门槛较高
适用场景
- 自动化算法竞赛代码性能调优
- 大模型自我改进训练流程研究
- 代码优化工具链的进化策略集成
替代项目
Self-Refine、AlphaCode、CodeT
项目介绍
上一篇：lora-svc
下一篇：m-courtyard
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···