使用 编码智能体 实现算法发现的有效利用工程

AlphaEvolve 和 FunSearch 展示了将 大语言模型 (LLM) 与进化搜索相结合以实现自动算法发现的潜力。然而，发现的成功不仅取决于模型能力，而且还很大程度上取决于执行基础设施（即工具）的设计。本文通过三个问题来研究有效的Harness设计：在固定的 词元预算 下，是用简短的思想产生更多的算法更好，还是用更深入的思想产生更少的算法更好？当生成的程序利用评分功能时，该工具应如何处理评估黑客行为？需要完全文件系统访问的代理如何安全地并行执行？使用 Vesper（一种算法发现框架，该框架结合了解决这些问题的Harness改进），我们在相同的 词元预算 下对 Circle Packing 进行评估。有趣的是，生成更少的算法，同时更深入地思考每个算法，可以获得更高的分数。也就是说，扩大每个个体的质量比扩大进化世代的数量更具预算效率。令人惊讶的是，功能更强大的模型以更高的速度产生评估黑客攻击，这使得随着模型规模的扩大，黑客检测变得越来越必要。