LLM-basierte Code‑Evolution überwindet menschliche SAT‑Lösungen
Anzeige
Neues Forschungsprojekt namens SATLUTION nutzt große Sprachmodelle, um komplette C/C++‑Codebasen zu verbessern. Während frühere Ansätze wie AlphaEvolve nur kleine Code‑Kernels optimierten, arbeitet SATLUTION mit Hunderten von Dateien und Zehntausenden von Zeilen. Durch einen Agenten‑Framework werden die Solver‑Repositorys unter strengen Korrektheitsgarantien und Echtzeit‑Feedback weiterentwickelt, während gleichzeitig die eigenen Evolutionsregeln selbst optimiert werden. Auf Basis der Code‑Sammlungen der SAT‑Competition 2024 hat SATLUTION Solver erzeugt, die die von Menschen entworfenen Sieger der SAT‑Competition 2025 übertrafen und sogar die 2024‑Champion‑Leistungen auf den 2024‑Benchmarks überlegten.
Ähnliche Artikel
arXiv – cs.AI
•
Vertrauenswürdige Mehrfach-Dialog-Agenten durch Verhaltensführung
arXiv – cs.LG
•
Adaptive Soft Rolling KV Freeze: Entropie-gesteuerte Wiederherstellung für LLMs
arXiv – cs.LG
•
Neue Studie enthüllt, wie Attention bei extremen Sequenzlängen konvergiert
arXiv – cs.AI
•
DynaMate: Automatisierte Protein‑Ligand‑Simulationen mit KI
arXiv – cs.AI
•
LLM4XCE: Sprachmodelle revolutionieren XL-MIMO-Kanalabschätzung für 6G
arXiv – cs.LG
•
Neues BBG-Framework bewertet Bio‑Risiken von KI-Modellen