arXiv · Artificial Intelligence· Chen Lu, Ke Xue, Siyuan Xu, Mingxuan Yuan, Chao Qian·· 3 小时前AI 评分58
Self-Evolving Algorithm-Design Agents：通过Population-Curated Policy Optimization逃离上下文进化停滞
Self-Evolving Algorithm-Design Agents: Escaping In-Context Evolutionary Stagnation via Population-Curated Policy Optimization
AI 导读
论文提出样本高效的参数化自演化框架PCPO，利用全局种群和混合策略更新保留并复用高质量自生成算法。在电子设计自动化学习率调度任务上，仅用4个芯片案例训练即在16个案例上超越OpenEvolve和ShinkaEvolve等上下文进化方法；8B基座模型性能接近GPT-5.5，并降低推理token成本，在四个GPU kernel设计任务上相对PyTorch Eager平均加速8.27倍。
来源：arXiv · Artificial Intelligence · arxiv.org