Automated Algorithm Design Code Evolution LLM Agents Primitive-Aware
摘要

基于大语言模型的自动化算法设计通常将算法视为不可分割的整体程序。这种视角虽简化了搜索空间,但导致有价值的局部逻辑与宿主程序耦合,一旦整体程序被丢弃,这些片段便随之消失,难以评估单个组件的贡献。为此,我们提出了原语感知代码进化(PACE),通过将局部逻辑表示为持久的“可执行算法原语”(EAPs)来解耦其与完整程序的关系。PACE维护一个动态的EAP集合,并通过结构上保证保留和跨程序转移的原语感知算子驱动算法进化。此外,利用基于父代相对性能改进的汤普森采样来指导原语选择,无需额外数据集即可有效评估。在四项任务上的实验表明,PACE能有效发现具有竞争力的算法,同时结构性地保留有价值的算法组件。

AI 推荐理由

论文核心研究基于LLM的算法自动进化机制,提出PACE框架通过解耦代码片段实现持续进化和组件复用。

研究机构
南方科技大学 深圳大学
论文信息
作者 Zhuoliang Xie, Ruihao Zheng, Xiang Xu, Genghui Li, Zhengkun Wang
发布日期 2026-08-07
arXiv ID 2608.07395
相关性评分 9/10 (高度相关)