> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# SwarmEvolve：让智能体通过潜空间协作搜索程序
- URL: https://binnn.top/swarm-evolve-latent-program-search/
- Published: 2026-11-08T06:40:54.000Z
- Updated: 2026-11-08T09:17:41.000Z
- Description: 论文提出用成群智能体在潜空间中推理，再由汇总智能体生成程序；其具体流程包括分组探索、差异筛选、缓存传递和确定性评估。
- Author: Sunbin 编辑部
- Tags: AI 最新论文进展, AI for Science, #sunbin-auto, #sunbin-newsroom

论文阅读笔记 · arxiv.org · 原文日期 2026-11-05

## 从初始程序建立搜索档案

SwarmEvolve 是作者提出的程序演化搜索框架，面向数学与科学计算问题。搜索需要一个初始程序，通常是简单的基线解法。框架保存候选程序、分数和评估反馈，每轮从档案中选择父程序，继续改进或组合已有方案。

## 每群用45种提示展开探索

论文给出的每轮配置是10个群组，每群45个潜空间智能体。群内共享一个主要方向，但各自收到不同提示：同一方向的五种表述，与九种思考方式组合。思考方式包括从第一原理出发、重新检查假设，让同一方向获得多种切入角度。

## 筛选差异后传递KV缓存

每个智能体进行40步潜空间推理，不把中间过程解码成文字。新颖性过滤器随后剔除每群中最相似的15个智能体；汇总智能体读取其余成员的KV缓存，生成一个新程序。作者用这种缓存传递方式承接群内思路，最终仍输出程序文本。

## 程序经过检查与确定性评分

生成程序后，框架先丢弃与此前程序重复的候选，检查语法，并自动补入缺失的标准包导入语句。随后，确定性评估器在一个CPU核心上评分。程序连同分数、日志和错误信息进入档案，供后续轮次使用；生成本身并不等于获得有效解。

## 对流扩散示例仍有局部误差

附录展示了对流扩散方程在参数ε为千分之一时的解及绝对误差。作者指出，误差集中在横坐标为1、纵坐标为1的边界层，以及从原点出发的特征线上。这是论文图示报告的误差分布，不能据此把生成的数值程序视为处处精确。

原始标题：SwarmEvolve: Latent Agent Swarms for Evolutionary Discovery and Optimization  
[来源：arxiv.org](https://arxiv.org/abs/2611.08483?ref=binnn.top)