arXiv · cs.AI· Zipei Yu, Yue-Jiao Gong, Zeyuan Ma, Yuncheng Jiang, Zhiguang Cao·· 5 小时前
Hyper Algorithm Design Agent：从零进化可学习优化器
Hyper Algorithm Design Agent: Evolving Learnable Optimizer from Zero
arXiv:2609.35328v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zipei Yu, Yue-Jiao Gong, Zeyuan Ma, Yuncheng Jiang, Zhiguang Cao
研究任务与主要进展
论文提出Hyper Algorithm Design Agent双Agent框架，从朴素MetaBBO模板出发自动演化可学习优化器。任务Agent持续改进目标算法的代码库，超Agent则修改任务Agent及其自身，执行过程信息被反馈用于递归改进；论文摘要称实验发现其生成的变体优于最新人工MetaBBO基线，并能快速适配不同优化领域。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org