LLM-driven discovery Co-evolution Surrogate modeling Scientific computing
摘要

针对科学工程任务中评估成本高昂的问题,本文提出Janus框架,利用LLM协同进化目标程序与可执行代理评估器。通过领域知识生成特定任务评估程序并利用真实结果校准,解决标签稀缺问题;通过伴随进化及区域条件组合管理缓解分布偏移。实验表明,相比仅进化程序的基线,Janus在减少59.1%真实评估次数的情况下达到99%的性能提升,显著扩展了LLM发现技术在高成本评估场景的应用。

AI 推荐理由

论文核心提出LLM驱动的程序与评估器协同进化框架,直接对应自我进化主题。

研究机构
上海交通大学,中国上海 中关村学院,中国北京 百度公司,中国北京 西安交通大学,中国西安 中关村人工智能研究院,中国北京
论文信息
作者 Ximeng Liu, Qianlong Wang, Yingming Mao, Annan Li, Yatao Li et al.
发布日期 2026-08-08
arXiv ID 2608.08189
相关性评分 9/10 (高度相关)