SpecEvo：利用大语言模型投机演化实现高性价比科学发现

英文标题：SpecEvo: Speculative Evolution with Large Language Models for Cost-Efficient Scientific Discovery

本文介绍了 SpecEvo，一种基于大语言模型（LLM）实现高性价比科学发现的投机演化框架。当前 LLM 驱动的演化搜索方法成本高昂且迭代缓慢，往往无差别地投入昂贵推理算力，同时忽略了失败、冗余与饱和试验中的反馈价值。SpecEvo 针对这一痛点引入投机演化机制，通过优化推理资源分配并挖掘未充分利用的试验数据来提升搜索效率。该研究为开发者和研究人员在算法演化与复杂科学探索场景中降低 LLM API 成本提供了重要实践参考。

打开原文相关 2.4 · 机会 0

中文

SpecEvo：利用大语言模型投机演化实现高性价比科学发现

论文编号：arXiv:2610.28706v1
公告类型：最新发布 (new)

摘要

大语言模型（LLM）驱动的演化搜索正逐渐成为科学发现领域极具前景的新范式。然而，现有方法普遍面临成本高昂、迭代缓慢的问题，往往在所有试验中均质化地应用昂贵的深度推理，却未能充分利用来自失败、冗余以及饱和试验的证据与反馈。为此，本文提出了 SpecEvo（Speculative Evolution，投机演化框架），旨在实现低成本、高效率的科学假设生成与算法演化探索。

BibTeX 引用

bibtex @misc{specevo2026, title={SpecEvo: Speculative Evolution with Large Language Models for Cost-Efficient Scientific Discovery}, eprint={2610.28706}, archivePrefix={arXiv}, primaryClass={cs.AI} }

SpecEvo：利用大语言模型投机演化实现高性价比科学发现

中文

SpecEvo：利用大语言模型投机演化实现高性价比科学发现

摘要

BibTeX 引用

English / 原文

BibTeX formatted citation