自我对弈是语言模型自我进化的有效范式，但缺乏指导时，求解器的性能往往在多轮后出现停滞或下降。传统的无指导方法会依据难度、可学习性或多样性等信号生成问题，这些信号虽能保持题目挑战性，却未指明后续轮次应聚焦的推理薄弱环节。受限于外部任务资源（如人工示例、文档库或预设难度目标）的有指导方法则需要额外信息输入。
我们提出 DiagEvo，其核心思想是直接从求解器的失败历史中提取进化方向。诊断器从错误日志中抽取重复出现的错误原因，并将其存入层次错误原因记忆。记忆结构将相关原因归类到技能节点下，并根据在针对性问题上的自洽性将每个原因标记为 Active（活跃）或 Mastered（已掌握）。
挑战器依据这些状态以及出现次数，在针对性生成与自由探索之间进行平衡。双置信过滤机制仅保留中等难度的问题——即当最常见的求解器答案拥有明显投票优势时才接受该题目。整个课程表完全来源于自我对弈过程，无需外部任务资源。
实验使用默认的 4B 诊断器，在九个基准上对三种求解器（Qwen3‑4B、Qwen3‑8B、OctoThinker‑8B）均实现最高平均准确率。对 Qwen3‑8B 而言，在五个数学推理基准上达到 72.3% 的平均准确率，领先 R‑Zero 4.5 个百分点；在全部九个基准上平均准确率为 57.4%，比 DARC 高出 1.1 个百分点。消融实验表明，层次错误原因记忆和双置信过滤均对性能提升有显著贡献。
点评：DiagEvo 通过内部错误记忆实现了自洽的自我进化路径，摆脱了对外部标注的依赖，在多模型、多任务上展现出稳健的提升效果。