CVEvolve：面向非结构化科学数据处理的自主算法发现

科学数据处理通常需要特定于任务的算法或人工智能模型，这给需要分析数据但可能不具备广泛的计算或图像处理专业知识的领域科学家造成了障碍。当数据有噪声、具有高动态范围、稀疏标记或仅松散指定时，这种障碍尤其明显。我们推出 CVEvolve，这是一种具有零代码接口的自主代理工具，用于科学数据处理算法发现。 CVEvolve 将多轮搜索策略与代码执行、评估实施、历史管理、保留测试以及科学数据和可视化输出的可选检查工具相结合。搜索在发现和改进操作之间交替进行，并使用谱系感知随机候选采样来平衡探索和利用。我们在 X 射线荧光显微镜图像配准、布拉格峰检测和高能衍射显微镜图像分割方面演示了 CVEvolve。在这些任务中，CVEvolve 发现了比基线方法有所改进的算法，而保留测试跟踪有助于识别比后来过度优化的替代方案具有更好泛化能力的候选方案。这些结果表明，零代码、由大语言模型支持的自主算法开发可以帮助领域科学家将非结构化科学图像数据转化为实用算法和下游科学发现。