UCLA 推出 AutoOPT：用 GPT-5.6 自动化优化研究并发现新算法

UCLA 优化研究者 Ernest Ryu 团队（工作由 Shuvo 主导）推出领域专用框架 AutoOPT，围绕 GPT-5.6 Sol 构建端到端流程以自动化一阶优化研究，并实际发现了两款新算法。Ryu 判断优化领域约 90% 的算法设计与收敛证明工作将被 AI 自动化，呼吁研究者拥抱工具加速研究。

已确认

• AutoOPT 将最优一阶方法的发现分为四个阶段：用 BnB-PEP 方法论做数值设计；用前沿 LLM 做解析描述与收敛证明的符号发现；在 Lean 4 证明助手中做形式化验证等（m1，原文在形式化环节处截断）。
• 系统发现两款新算法：Lemniscate Accelerated Gradient Method 与 Analytic ITEM-f，其中 Lemniscate 加速梯度法的收敛速率中首次出现双纽线常数（lemniscate constant）（m2）。
• Ryu 坦言这些构造「令人恐惧」，如果没有 LLM 和领域专属 harness，他自己想不出来（m6、m7）。
• 他预测设计高效算法、证明收敛保证这类研究「手艺」已并将约 90% 被自动化，并认为善用这些工具能让优化理论研究快约 10 倍（m3、m4、m7）。
• 论文细节由 Shuvo 的推文串介绍，Ryu 的系列长文侧重方法背景与研究方式影响的反思（m5）。

为什么重要

• 这是 LLM 驱动的自动化数学研究在优化理论领域落地的具体案例：不只是辅助写作，而是端到端产出经形式化验证的新算法与收敛证明。
• 双纽线常数首次出现在算法收敛速率中，说明自动化流程可能发现人类研究者未曾触及的数学结构。
• Ryu 的「90% 自动化」判断来自一线优化研究者本人的自省：他把技术置于科学史上研究流程不断被自动化、研究者转向更高层任务的更大背景中，对领域内其他研究者具有直接的职业与方法论参考价值。

2026-08-19 ~ 2026-08-19 · 7 条相关

• 【源头】新框架 AutoOPT：用 GPT-5.6 自动化优化研究 — ErnestRyu · 2026-08-19
• 【源头】用GPT-5.6 Sol搭建专用harness，自动化一阶优化研究 — ErnestRyu · 2026-08-19
• 优化学者自省：算法设计与收敛证明约九成将被自动化 — ErnestRyu · 2026-08-19
• 优化算法设计将 90% 被 AI 自动化 — ErnestRyu · 2026-08-19
• 【源头】AutoOPT 发现新优化算法，首次出现双纽线常数 — ErnestRyu · 2026-08-19
• 优化学者：没有 LLM 我自己想不出这些新构造 — ErnestRyu · 2026-08-19
• 优化理论学者：借助 LLM 与领域工具，优化研究能快 10 倍 — ErnestRyu · 2026-08-19