Que se passerait-il si l'IA pouvait apprendre à écrire du code optimisé comme un ingénieur humain—en itérant, en apprenant de ses erreurs et en devenant plus intelligente au fil du temps ? Des chercheurs de NJU, PKU, Midea-AIRC, ECNU, SYSU, RUC et QuantaAlpha introduisent l'Évolution Autonome Contrôlée (EAC). Leur approche utilise trois astuces intelligentes : générer des stratégies de départ diversifiées pour explorer plus de possibilités, guider les mutations avec des retours d'expérience au lieu de la randomisation, et se souvenir à la fois des victoires et des défaites à travers différentes tâches de codage. Sur EffiBench-X, l'EAC surpasse systématiquement toutes les références testées et continue de s'améliorer génération après génération. Évolution Autonome Contrôlée pour l'Optimisation de Code Algorithmique Article :