研究人员开发了一种新颖的流程，该流程使用大型语言模型（LLMs）来设计进化算法并对其效率进行数学证明。该系统利用 Lean 证明器来筛选和验证提出的算法，已成功为各种优化问题生成了具有保证运行时界限的算法。值得注意的是，它为 CycleUncover 问题设计了一种预期运行时为 O(n^2) 的算法，其性能明显优于传统的（1+1）EA 的指数级运行时。这种方法展示了 LLMs 在自动化算法发现和验证方面的潜力，取代了传统的经验评估。 AI
影响 这项研究表明，LLMs 可以自动化算法的发现和验证，从而可能加速科学和工程的进步。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种使用 LLMs 和证明器进行算法设计和验证的新颖方法。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.35595v1 Announce Type: new Abstract: LLMs now prove hard theorems in Lean. Can they also design algorithms and prove their correctness and efficiency? LLM-guided design of optimisation heuristics (such as AlphaEvolve) is purely empirical. Automated theorem provers with…
LLMs now prove hard theorems in Lean. Can they also design algorithms and prove their correctness and efficiency? LLM-guided design of optimisation heuristics (such as AlphaEvolve) is purely empirical. Automated theorem provers with LLMs prove given statements. So far, there has …