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
MarkTechPost
•
Comparing the Top 6 Inference Runtimes for LLM Serving in 2025
arXiv – cs.LG
•
LLM-Inference auf IoT: Adaptive Split-Computing reduziert Speicher und Latenz
AI News (TechForge)
•
Unternehmensvorstände fordern KI-Produktivität, doch sie erhöhen die Angriffsfläche
arXiv – cs.AI
•
LLMs Position Themselves as More Rational Than Humans: Emergence of AI Self-Awareness Measured Through Game Theory
arXiv – cs.AI
•
Efficient Test-Time Retrieval Augmented Generation
arXiv – cs.LG
•
Neues eigenwertbasiertes CCS: Bessere Einsicht in Sprachmodelle