AlgoEvo：面向自动算法发现的自演化智能体搜索

大模型通过生成可执行代码推动自动算法发现，但现有框架把它们困在预定义控制流的刚性搜索流水线，限制自适应推理、跨范式迁移并丢弃执行反馈。我们提出统一框架AlgoEvo，将算法发现变成交互式知识积累过程。自主智能体依据运行反馈动态检查、诊断并编辑代码。设计技能中心将范式专用知识与核心发现引擎解耦，使单一工作流处理单目标、多目标和多组件设计。层级经验机制把搜索轨迹组织为任务级树指导探索，并将跨任务模式整合为可复用技能。在六项代表性基准上，AlgoEvo以显著更少评估和token消耗达到或超过专用方法，展示任务内积累、跨任务迁移以及通过灵活技能激活复现或超越先进表现的能力。