LLaMEA-SAGE：利用可解释人工智能的结构反馈引导自动化算法设计

大语言模型通过自然语言提示生成优化算法，实现了自动化算法设计（AAD）。尽管现有进化框架具备强大探索能力，但其搜索仅依赖适应度反馈，忽略了代码结构信息。本文提出 LLaMEA-SAGE，通过从生成算法的抽象语法树中提取图论与复杂度特征，构建基于代理模型的结构性反馈。利用可解释 AI 技术识别关键性能特征，并将其转化为自然语言变异指令，在不限制表达力的前提下引导后续代码生成。实验表明，该方法在小型实验中更快达到同等性能，在大规模基准测试中优于现有最先进方法，有效弥合了代码结构与人类可理解反馈之间的差距。