科学发现作为元优化：一个组合优化案例研究

科学发现本质上是优化问题，但现有研究常忽视评估标准的同步优化。本文提出将研究形式化为“元优化”，即优化目标本身也在被优化。核心贡献是“共识目标聚合”机制，通过相关性加权投票结合 LLM 生成的目标函数，形成稳定且能随认知深化而自我修正的评估标准。该框架应用于 3-SAT 算法发现，显著降低了计算复杂度并大幅提升速度，展示了其在通用科学发现中的潜力。