LLM-Driven AutoOPT Discovers New Optimization Algorithms, Including First Lemniscate Constant
8 月 19 日，UCLA 优化研究者 Ernest Ryu 在系列推文中介绍 LLM 驱动的 AutoOPT 系统发现的两款新优化算法：Lemniscate Accelerated Gradient Method 与 Analytic ITEM-f，其中首次在优化算法中出现双纽线常数。他坦言这些构造「令人恐惧（惊惧）」，如果没有 LLM 和领域专属 harness 的帮助，自己根本想不出来。
已确认
- AutoOPT 由 LLM 驱动，发现的两款新算法为 Lemniscate Accelerated Gradient Method 与 Analytic ITEM-f。
- 双纽线常数系首次出现在优化算法中。
- Ryu 本人在推文中确认，没有 LLM 与领域专用 harness 的辅助，他无法构造出这些结果。
为什么重要
- Ryu 判断，设计高效算法与证明收敛保证这一传统「手艺」已经并将继续有约 90% 被 AI 自动化，这对优化研究者既是挑战也是机遇。
- 他将此事置于更大背景：纵观各门科学，技术一直在自动化研究流程的一部分，研究者应转向工具做不了的任务；他估计拥抱并善用这些工具，优化理论研究能快 10 倍。
2026-08-19 ~ 2026-08-19 · 5 related posts
Primary sources
- Optimization researcher: ~90% of algorithm design and convergence proofs will be automated — ErnestRyu · 2026-08-19
- Algorithm Design to Be 90% Automated by AI — ErnestRyu · 2026-08-19
- [source] AutoOPT discovers new optimization algorithms, introducing the lemniscate constant — ErnestRyu · 2026-08-19
- Optimization researcher: I couldn't have derived these new constructions without LLMs — ErnestRyu · 2026-08-19
- Optimization researcher: with LLMs and domain harnesses, we go 10x faster on harder problems — ErnestRyu · 2026-08-19