ARES-LSHADE：LLM 驅動的複合差分進化在 GNBG 基準達成高精度表現

ARES-LSHADE於GNBG基準的關鍵成果

在GECCO 2026的LLM設計演算法競賽中，團隊提交了ARES-LSHADE，一個由LLM主導設計的複合差分進化方案，並在官方評測中展現高精度表現。

核心創新包含兩部分：一是偵察式（scout-augmented）變異算子，並結合自適應的CMA-ES整合以提升探索效率；二是遵守黑盒規則的多起點L-BFGS-B拋光階段，用以在評測預算內收斂解。這些設計來自約三十次的LLM驅動自動化研究迴圈。

在官方31次執行的單函數評測、且遵守競賽指定的函數評價預算下，ARES-LSHADE在744次函數-試驗中取得510勝，其中18項函數達到機器精度。剩餘六項呈現基準的組合性平台化（plateau）特徵，且被自動研究迴圈標示為最具挑戰性的子集。研究同時指出，若擴大可觀察空間至包含基準的組合元資料，演算法可輕易解開全部函數但會違反黑盒限制，凸顯LLM能力與基準完整性間的設計張力。程式碼與複現資源已公開於原作者GitHub。 延伸閱讀 Metal‑Sci：為 Apple Silicon 打造的 Metal 內核演化基準與 LLM 搜尋執行器 在商用 QPU 上部署 Cayley 單位元適配器（CUA）：架構、電路轉譯與語言任務評測 QSVM 與量子核在醫療影像嵌入的有效秩優勢與崩潰機制分析 原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。