Agentsic Algorithm Design: MLM, предлагающие, формализующие и доказывающие границы Runtime для эволюционных алгоритмов в Лиане

arXiv: 261 030.35595v2 Annuales Type: заменить резюме: LMS теперь являются твердыми теоремами в Леан. Могут ли они также проектировать алгоритмы и доказать их правильность и эффективность? Проект оптимизации эвристики (такий, как AlphEvolve) на основе LLM носит чисто эмпирический характер. Автоматизированные теоремы с МЛМ доказывают, что они дали показания. До сих пор мало доказательств того, что МЛМ могут выполнять обе функции: проектировать алгоритм и гарантировать его эффективность математическими доказательствами. Мы представляем стадийный трубопровод, смоделированный по методологии исследований в разработке и анализе эволюционных алгоритмов. Агент предлагает алгоритмы оптимизации черной коробки, а Lean охранит от дефектных конструкций. Затем агент определяет потенциальную функцию и доказывает границы дрейфа, которые гарантируют ожидаемое улучшение режима работы над базовым алгоритмом. Ни в одной точке трубопровода нет алгоритмов, сравниваемых эмпирически. Агент создает алгоритм оптимизации черной коробки с ожидаемым временем работы $O(n __2) долларов по проблеме цикла Uncover, где c