FrugalEvo：强模型出策略、便宜模型写代码，优化成本降一个量级
PangWeiKoh · x · 2026-10-15
新加坡国立大学、华盛顿大学、普林斯顿、斯坦福等机构提出 FrugalEvo，一个成本感知的 LLM 引导进化优化框架，代码已开源。
- 核心思路：针对 AlphaEvolve 这类 LLM 进化方法只按固定迭代数衡量进展的问题，改为最大化「单位成本收益」。用更强但更贵的 LLM 探索解法策略，再用便宜的 LLM 负责实现与迭代细化代码。
- 缓存优化：设计 cache-efficient 进化流程，让 harness 与 prompt 最大化跨进化步骤的前缀共享，提高缓存复用。
- 新指标：提出 Budget-Aware Area Under the Curve（BA-AUC），在固定成本预算下衡量解质量曲线。
- 实验：在 circle packing 任务上，FrugalEvo 用 GLM 5.3 + GLM 5.3 Flash 组合，平均每次迭代成本约 $0.0097，而其他方法（同用 GLM 5.3）成本为 $0.021–0.043，同等 $1 预算下解质量更优。
「研究」频道最新
- AI 揭穿阴谋论研究风波落幕：Science 撤回关注声明，结论不变 — DG_Rand · 2026-10-23
- Embodied First Exam：一行代码在 44 台机器人上考你的 Agent — ManlingLi_ · 2026-10-23
- Anima Anandkumar 演讲：AI 气象模型胜超算，但不会取代科学家 — AnimaAnandkumar · 2026-10-23
- GLM-5.3-Flash 实现 1M token 上下文训练，较基线提升 64 倍 — AndrewLBeam · 2026-10-23
- 作者用布尔逻辑造 LM:前向传播单线程仅需几微秒但训练极慢 — cephaloform · 2026-10-23
- AdaDex:几秒人手视频即可教灵巧手学会抓取、抛接等可泛化技能 — mangahomanga · 2026-10-23