Codex 与 Claude Code 智能体优化 FRNN 搜索案例研究
原文标题：Goal-Persistent Coding Agents as Scientific Performance Engineers: A Fixed-Radius Nearest-Neighbor Case Study
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。
论文以固定半径最近邻（FRNN）粒子追踪搜索为案例，让现成的 Codex 与 Claude Code 智能体在可执行目标（含正确性测试、性能剖析要求与验收标准）下自主优化。智能体移除 PyTorch 依赖并做假设驱动实验，产出独立 C++/CUDA 库，同步 NumPy 接口较原 GPU 常驻 PyTorch 接口提速 1.6 倍，独立重跑甚至更优。
- 问题
- 通用编码智能体能否自主完成严谨的科学性能工程，缺乏证据。
- 方法
- 让现成 Codex 与 Claude Code 在可执行目标（正确性测试、剖析要求、验收标准）下自主做假设驱动优化，不规定代码变换。
- 结果
- 产出独立 C++/CUDA 库，同步 NumPy 接口较原 GPU 常驻 PyTorch 接口提速 1.6 倍，跨 GPU 架构复现，独立重跑更优。
- 影响
- 说明智能体可当性能工程师用，但需可执行科学契约来引导和验证优化，为自动化性能调优提供可行路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
现成 Codex/Claude Code 智能体自主优化 FRNN 搜索，NumPy 接口较原 PyTorch 提速 1.6 倍
- •起点是依赖 PyTorch 的 CUDA 实现，智能体在只给正确性测试、剖析要求和验收标准、不指定代码改法的条件下自主优化
- •智能体自行移除 PyTorch 依赖，产出独立 C++/CUDA 库，且精确复现目标参考结果
- •同步 NumPy 接口含主机传输仍比原 GPU 常驻 PyTorch 接口快 1.6 倍，不同 GPU 架构与软件栈上观察到类似提速
- •独立重跑走了不同的假设序列，在目标负载上取得更好性能
为什么重要：这是通用编码智能体能做严谨性能工程（而非只写代码）的仓库级证据，也说明可执行科学契约是引导与验证这类优化的必要条件。
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。