AI自主规划搜索胜过人工算法
新框架让大模型自己决定怎么搜，在代码和数学任务上比传统固定算法更省算力且成绩更好。
重要性实质性证据E2 未复现写法快讯
AgentDiscover框架证明，让大语言模型（LLM）自己规划搜索路径，比人类预先设计好的固定算法更高效。
传统AI科研助手通常只负责“提建议”，搜索步骤由人类设计的算法（如蒙特卡洛树搜索）控制。随着模型能力增强，这种人为限制反而成了瓶颈。AgentDiscover将模型提升为“规划者”，它利用上下文作为工作记忆，运行实验并将所有尝试记录在一个数据库中。这个数据库充当长期记忆，允许模型自由调用、组合或替换经典算法的选择规则。
作者自测显示，该框架在成本更低的情况下取得了更高分数。在7个过去的AtCoder启发式编程竞赛模拟中，其生成的程序若参赛可获第一；在11个数学和系统优化任务上，表现匹配或超过使用相同基础模型的其他基线方法。
此为arXiv预印本（2026年10月4日提交），结果由作者团队自行评估，尚未见第三方独立复现。