作者：Francesco Cicala, Eyvind Niklasson, Ettore Randazzo, Sami Boukortt, Alessio Basti, Mayalen Etcheverry, Rif A. Saurous, Ben Laurie, James Manyika, Blaise Aguera-Arcas, Blake Richards 摘要：传统的进化算法通过硬编码实现繁殖，而自复制可以在数字“原始汤”中自发出现。本文探讨了这种自发的自复制与解决问题能力的共同演化。我们初始化一组随机的32字节Z80汇编程序，要求自复制纯粹通过随机的汇编级变异和成对程序交互产生。为了链接这些行为，我们引入了一个基于任务的验证步骤：正确评估多项式会将程序的交互概率提升至基准率之上。我们的实验得出四个主要发现。首先，自复制和数学问题解决能力成功地从初始随机性中共同演化。其次，计算压力加速了紧凑、稳健的繁殖架构的出现，这些架构保留了任务执行所需的内存。第三，施加代谢约束增加了程序进化条件停止的可能性，使得验证期间早期终止，而在交互期间则绕过停止以执行块复制。最后，当程序被划分到空间任务生态位时，自发的自复制生成了一个新兴的学习课程，利用简单解决方案作为迈向复杂多项式的垫脚石。总的来说，这些结果展示了一个互动反馈循环：环境任务需求积极塑造自复制的物理架构，而自发复制则改变了解决功能性问题的进化轨迹。 主题：神经与进化计算 (cs.NE) 引用：arXiv:2607.09211 [cs.NE]（或者arXiv:2607.09211v1 [cs.NE] 这个版本） https://doi.org/10.48550/arXiv.2607.09211 arXiv发布的DOI通过DataCite（待注册） 提交历史：来自：Francesco Cicala [查看电子邮件] [v1] 2026年7月10日星期五08:59:25 UTC（8,873 KB）