SkyDiscover：面向 LLM 驱动的算法发现的开放框架

Source: Dev.to

框架概览

SkyDiscover 将发现循环拆分为四个可互换的组件：

• Context Builder – 为 LLM 构建问题上下文。
• Solution Generator – 生成候选算法或解决方案。
• Evaluator – 评估每个候选的质量或性能。
• Selector – 为下一轮迭代挑选最有前景的候选。

实现

在框架之上构建了两种发现算法：

• AdaEvolve – 一种自适应搜索策略。
• EvoX – 一种自我修改搜索策略。

结果（200+ 基准）

在数学、系统、编程和多模态任务中：

• +34 % 中位数提升（在 172 个 Frontier‑CS 问题上）相较于之前的开源方法。
• 在多个数学和系统任务上匹配或超越 AlphaEvolve。
• 41 % 更低的跨云迁移成本。
• 29 % 更低的 KV‑cache 压力。

SkyDiscover 提供了一个简洁的接口，用于构建、比较和扩展发现算法。

资源

• 博客:
• GitHub:
• AdaEvolve 论文:
• EvoX 论文:
• Twitter 公告: