Kernaut：用 coding agent 自动发现核函数，22-58% LLM 生成核跨规模失效

Cohere · youtube · 2026-11-14

港中深（CUHK-Shenzhen）博士生 Richard Cornelius Suwandi 在 Cohere Labs 开放科学社区分享 Kernel Autoresearch（Kernaut）工作，探讨如何让 AI 自动发现机器学习模型的核函数（kernels）。

核心问题与数据：核函数编码了许多 ML 模型的归纳偏置，但自动化设计存在两难——固定文法保证有效性却限制搜索空间；LLM 自由生成程序虽突破限制却经常出错。实测中，22–58% 通过简单数值检查的 LLM 生成核在改变规模或维度后失效。

方法：

结果：发现的核可迁移到未见任务（黑盒优化、酶动力学等），无需再次调用 LLM，且保持为人类可读可改进的可解释程序。

讲者是 AlphaEvolve 启发的开源进化 coding agent OpenEvolve 的共同开发者，也是 AIDDA（AI 驱动算法发现研究所）联合创始人。论文：arxiv.org/abs/2610.10394。

「编程与Agent」频道最新