Aster：比现有方法快20倍以上的自主科学发现

我们提出 Aster，一个用于自主科学发现的 AI 智能体，其运行速度可比现有框架快 20 倍以上。给定一个任务、一个初始程序和一个评估该程序性能的脚本，Aster 会迭代改进该程序，常常带来新的最先进性能。Aster 大幅减少了取得新发现所需的迭代次数，将可解问题的范围扩大到评估耗时很长的任务，例如长达数小时的机器学习训练运行。我们将 Aster 应用于数学、GPU 内核工程、生物学、神经科学与语言模型训练中的问题。更具体地说：Erdos 最小重叠问题、优化 TriMul 内核、一个单细胞分析去噪问题、训练一个神经活动预测模型使其在 ZAPBench 上表现良好，以及 NanoGPT Speedrun 竞赛。Aster 在每个任务上都取得 SOTA 结果，唯有 ZAPBench 例外——在那里，它以不到 1/190 的计算量达到最佳人类方案的性能。Aster 可通过 asterlab.ai 上的网页界面与 API 使用。