LLM-agenter optimerar grafalgoritmer bättre än mänskliga experter

arXiv cs.AI

Forskare lät autonoma LLM-agenter (stora språkmodeller) iterativt förbättra en redan handoptimerad algoritm för 'minimum cut'-problem i grafer – och agenterna hittade faktiska förbättringar. På vissa testinstanser blev algoritmen upp till 127 gånger snabbare med 32 parallella trådar, vilket är anmärkningsvärt med tanke på att koden redan var noggrant finslipat av människor. Metoden, som de kallar 'agentic algorithm engineering', låter AI:n självständigt formulera hypoteser, implementera ändringar och benchmarka resultaten i en loop.