GRAFT-ATHENA：用于自主发现和进化数值算法的自我改进代理团队

科学方法是针对各类问题而开发的，因此知识可以跨结构相关的案例进行转移。语言模型代理可以执行科学工作流程，但它们的问题-方法关系仍然是隐式的，因此每个新问题都会重新启动搜索，并且很少有有效的转移。我们引入了 GRAFT--ATHENA，它使问题到方法的映射明确为可接受的问题、方法及其依赖性的可扩展概率结构。图分解使基质易于处理，语义指纹测量相似性，因此经验可以指导相关问题。结果，该框架匹配或超过了专家基线，在物理信息学习中实现了接近机器的精度损失，再现了临床上一致的血液流变学趋势，并为阿波罗命令模块开发了一个高阶高超音速流求解器，其与实验测量值的匹配在 1.8\%$ 以内。它还提出了一种用于病态体内脑流重建的经过认证的正则化，开发了一种光谱收敛的物理信息架构，并为两种广泛使用的架构建立了机器检查的通用逼近定理。科学结构能够实现累积且可验证的代理发现。