SpecEvo 多模型协同进化搜索，科学发现 API 成本降 80%
原文标题：SpecEvo: Speculative Evolution with Large Language Models for Cost-Efficient Scientific Discovery
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Speculative Evolution（SpecEvo）多 LLM 框架，用轻量模型承担并行推测器与顾问角色，持续整合成功、失败与饱和方向的搜索证据，仅在稀疏检查点由前沿模型导航器介入。在覆盖四个科学与算法发现领域的 176 项任务上，SpecEvo 追平或超过前沿模型基线，API 成本最多降低 80%，方程发现评测效率提升至 1.5 倍，并比最强 CO-Bench 基线高 3.8%。
- 问题
- LLM 驱动的进化式科学发现搜索成本高、速度慢。
- 方法
- SpecEvo 让轻量模型做并行推测器与顾问持续整合搜索证据，前沿模型仅在稀疏检查点导航干预。
- 结果
- 176 项任务上追平或超过前沿基线，API 成本最多降 80%，方程发现效率提升至 1.5 倍，比最强 CO-Bench 基线高 3.8%。
- 影响
- 大幅降低自动化科学发现的调用成本，让多模型分工替代全程昂贵推理成为可行方案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SpecEvo让轻量模型做推测与顾问、前沿模型稀疏介入，176项任务API成本最多降80%。
- •轻量模型承担并行Speculators生成与精炼候选程序，并作为Advisor把成功、失败与饱和方向蒸馏成持续指导。
- •前沿模型Navigator仅在稀疏检查点介入，按搜索停滞情况做综合、精修或重构。
- •覆盖四个科学与算法发现领域共176项任务，追平或超过前沿模型基线。
- •API成本最多降低80%，方程发现上评测效率提升至1.5倍。
- •比最强CO-Bench基线高3.8%。
为什么重要：科学发现类进化搜索普遍把昂贵推理均匀铺开，这条证明把前沿模型留给战略性介入可在不损效果下大幅降本，对跑大规模搜索实验的研究与工程团队有成本意义。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。