AlgoSkill：通过调度人类式技能学习设计算法

从自然语言问题描述设计算法需要识别问题结构、阅读约束、选择合适范式、检查正确性并精炼复杂度。既有LLM方法常依赖直接生成或通用自精炼——使这些步骤隐式化。我们提出AlgoSkill：把算法设计建模为在类型化算法技能库上的序贯决策——包括抽象、约束分析、状态设计、数据结构选择、证明检查、反例构造与复杂度精炼。学习的调度器从当前设计状态提议技能，蒙特卡洛树搜索（MCTS）控制器利用来自编译、测试、压力测试与复杂度分析的验证反馈探索技能序列。竞赛编程与组合优化基准上的实验显示：AlgoSkill超越直接LLM生成、思维链提示、自精炼及无类型技能的MCTS。消融显示类型化技能、基于验证的修复与基于搜索的调度各自贡献表现。结果支持把自动算法设计视为验证引导的技能调度而非一次性代码生成。