AGAR：将LLM程序进化形式化为强化学习基底
原文标题：AGAR: a reinforcement learning substrate for LLM program evolution
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AGAR，把LLM程序进化写成马尔可夫决策过程，动作是模型所条件的模块化前缀而非其输出程序。信用分配、价值估计、自适应探索与经验记忆可分别挂载，在19个任务上多数优于两个已发表基线。
- 问题
- LLM程序进化中五个超参靠手工设定，信用分配与探索缺乏原则。
- 方法
- 把程序进化形式化为MDP，动作是模型所条件的模块化前缀而非输出程序，使各类RL估计器可插拔替换。
- 结果
- 在19个任务、2个后端、3个随机种子下，多数任务优于两个已发表基线中较强的一个，增益集中在竞赛编程类。
- 影响
- 让LLM算法发现系统的各机制可单独审计与替换，无需梯度训练后端模型，降低调参成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AGAR把LLM程序进化写成MDP，动作是模块化前缀，19个任务多数超两个基线。
- •将程序进化形式化为马尔可夫决策过程，动作是模型所条件的模块化前缀而非其输出的程序
- •信用分配、价值估计、自适应探索与经验记忆可分别挂载到不同组件，任一估计器可替换或关闭而不改动控制器
- •无需对后端模型做梯度训练
- •在19个任务、两个后端、三个种子、同一测试框架下，多数任务优于两个已发表基线中较强的一个，增益集中在竞赛编程类
- •该形式化还给出对先前工作的可检验解读：这些系统隐含零折扣，因适应度对个体是外生的而非回报
为什么重要：为程序进化类系统提供了可审计、可逐机制替换的RL基底，便于判断各组件究竟贡献了什么。
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。