arXiv · cs.AI· Amal Seddas, Vladyslav Shashkov, Maryna Viazovska, Emmanuel Abbe·· 10 天前精选
LinCodeEvolve：用大语言模型引导搜索改进二元线性码
Evolving Towards Better Codes: LLM-Guided Search for High-Distance Binary Linear Codes
arXiv:2609.37056v1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：Amal Seddas, Vladyslav Shashkov, Maryna Viazovska, Emmanuel Abbe
首次提交：2026-09-29 16:59
研究任务与主要进展
作者提出 LinCodeEvolve，用大语言模型引导进化式程序搜索，发现7个刷新二元线性码最佳界记录的码。基于论文摘要，研究以精确最小距离评估器筛选结果，并通过穷举枚举验证每个码；其中6个具有简洁的准循环描述，标准码修改技术还改进了表格中的22项记录。
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。
本站判断
该工作将大语言模型用于二元线性码构造这一组合搜索问题，并以精确最小距离评估器和穷举枚举验证结果。摘要报告发现7个刷新记录的码、改进表格中的22项条目，但搜索成本、完整基线对照及参数优势的解释仍取决于论文全文。本站设想：在相同计算预算下与现有进化搜索基线比较发现率，并复核7个码的最小距离。
来源：arXiv · cs.AI · arxiv.org