深度分析
Vulcan 框架：利用 LLM 生成 Instance‑Optimal 系統啟發式的自動化方法
作業與分散系統的資源管理仍依賴手工設計的啟發式，Vulcan 利用大型語言模型自動合成針對特定工作負載與硬體的 instance‑optimal 啟發式，透過將政策與機制分離的三階段介面產生值型或排序型函式並以演化搜尋優化。實驗顯示，在快取逐出與記憶體分層任務上，Vulcopy 合成的策略分別比最先進的人手演算法提升最高 69% 與 7.9%。
演化搜尋
深度分析
MaxProof：人口層級測試時擴展提升 AI 數學證明競賽表現
MaxProof是針對MiniMax‑M3模型的測試時擴展框架，結合生成、驗證、修正與排名四角色，透過人口層級搜尋與比賽式挑選，讓模型在IMO2025取得35/42、USAMO2026取得36/42的金牌門檻。此框架證明人口層級驗證與迭代修正能將最佳@K穩定提升為pass@1，預示AI數學推理將更倚賴測試時擴展。
速報
LLM 引導演化搜尋破解刪除錯誤更正碼最大化難題
研究團隊將大型語言模型（LLM）結合演化搜尋，成功找出在短碼長度下構造刪除更正碼的函式。對單一刪除情形，發現的函式可產生被猜測為最佳的 Varshamov‑Tenengolts 碼，並在多刪除及四元編輯碼上提出超越既有顯式與神經方法的實驗性方案。
深度分析
EVIL：以大型語言模型引導的演化搜尋，生成可解釋的時序推論程式
研究提出 EVIL：由大型語言模型引導的演化搜尋來自動發現可讀的 Python/NumPy 推論算法；該單一算法可在不做資料集微調下，對時序事件、馬可夫跳躍與時序補值等任務執行零次推論；實驗顯示其在多項基準上可與深度學習方法媲美，推論速度更快且具可解釋性。