近期研究通过编码智能体自主修改自身代码库的方式，实现了自我改进的可操作化。这些智能体通过采用偏好更高软件工程基准性能的扩展策略，构建出一个自我修改的树状结构，其假设是：更高的基准性能意味着后续自我修改具有更大的潜力。然而，我们发现智能体的自我改进潜力（即元生产率）与其在编码基准测试中的表现之间存在不匹配，这种现象被称为“元生产率-性能不匹配”（Metaproductivity-Performance Mismatch）。受赫胥黎（Huxley）“类群”（clade）概念的启发，我们提出了一项新指标（），该指标通过聚合一个智能体后代在各类基准测试中的表现，作为其自我改进潜力的衡量依据。我们证明，在我们所构建的自我改进型编码智能体开发框架中，若能获取真实值，则足以模拟在特定假设下哥德尔机（Gödel Machine）的行为。为此，我们提出了赫胥黎-哥德尔机（Huxley-Gödel Machine, HGM）——该模型通过估计并利用该指标作为指导，对自我修改的树状结构进行搜索。在 SWE-bench Verified 和 Polyglot 数据集上，HGM 的表现优于以往的自我改进型编码智能体方法，同时所消耗的 CPU 计算资源更少。更重要的是，HGM 在其他编码数据集和大型语言模型之间展现出强大的迁移能力。在使用 GPT-5-mini 优化 SWE-bench Verified 任务后，HGM 所生成的智能体在 SWE-bench Lite 上以 GPT-5 为评估模型，达到了人类水平的性能，其结果与人工设计的编码智能体中官方验证的最佳成绩相当。