DUET 论文：让 LLM 评分器与智能体同步联合优化

DUET 方法提出在训练智能体的同时更新其 LLM 评分器，因为智能体改进后失败模式会变化。它交替固定一方、用工具调用更新器修订另一方：每一轮选取任务、运行 solver、由 grader 打分并批判轨迹。在 Finance Agent Benchmark 上 solver 达到 96.5%，超过 GEPA 的 94.4% 和 SkillOpt 的 94.0%。在 GDPval 上 grader 一致率从 68.4% 升至 78.5%，而冻结 solver 只训练 grader 时仅从 67.9% 升至 68.8%。