EVIL：利用大语言模型进化可解释算法以实现事件序列与时间序列的零样本推理

本文提出 EVIL 方法，利用大语言模型引导的进化搜索，发现用于动态系统推理的简单可解释算法。该方法不依赖大规模数据训练神经网络，而是进化纯 Python/NumPy 程序，实现跨数据集的零样本上下文推理。在时间点过程下一事件预测、马尔可夫跳跃过程速率矩阵估计及时间序列插补三项任务中，单一进化算法无需针对特定数据集训练即可泛化。实验表明，所发现算法在性能上媲美甚至超越最先进深度学习模型，且速度快数个数量级并保持完全可解释性。