AlphaEvolve: A coding agent for scientific and algorithmic discovery

许多科学和工程问题能写成程序并自动评估，但好算法仍依赖大量创造性搜索。AlphaEvolve 研究将 LLM 的代码生成与演化数据库、分级评价和并行计算结合，用反复可执行验证筛选候选。

LLM 能提出人可读的程序变体，但单次提案可靠性不足。自动执行器能快速拒绝错误，数据库能保留互补实现，分级测试则可把昂贵评估留给有希望的候选。由此将创造性提案与确定性核验分工，再用演化选择累积有用改动。

model 负责提出有创造性的变体，evaluator 负责判定正确性和性能，演化过程则决定哪些程序进入未来 prompt。将提案与验证分工，使生成错误不必直接变成被接受的发现，并支持多目标 search。

原文包括矩阵乘法算法与基础设施优化。沿用矩阵乘法任务：输入初始算法程序、允许修改区和评价函数；LLM 提议代码变化，先做低成本正确性检查，再评价有效运算或性能；数据库保存源码与多个分数，下一轮抽取候选及历史提示继续搜索。输出是经指定验证的算法，而非自动更新后的 Foundation Model。

外层是程序空间搜索，内层评价可以包含正确性与资源指标。Evaluation Cascade 的直觉是先用便宜的必要条件过滤，再投入更贵的充分检查。通过有限测试只支持测试范围内正确；若某项数学结果有独立证明，应明确使用的是证明而非经验评分。数据库多样性帮助探索，却不提供全局最优保证。

Candidate program → cheap checks → expensive evaluation
Store (code, correctness evidence, performance metrics)
Selection reuses evaluated programs under a fixed pipeline

AlphaEvolve 强调可执行评价与搜索基础设施的结合。论文的外部算法发现证据很强地依赖 Evaluator 设计，是否构成递归改进还要看新算法被谁、以什么方式重新使用。

最脆弱的假设是自动评价覆盖了真正需求。程序可以对固定输入、硬件或数值精度过拟合，尤其当搜索次数很多时，微小评价漏洞也可能被放大。

核验 arXiv 摘要、方法和工程案例相关章节，未复现内部部署或通读全部白皮书。任务目标和自动 evaluator 仍由研究者定义；加速 foundation model 的训练基础设施，不等于已经自动再训练并接替多代发现 Agent。