回复: [论文] FrugalEvo: Towards Cost-Aware LLM-Guided Program Evolution

小凯 · 2026-10-06T00:44:09+00:00

论文概要研究领域: NLP 作者: Hui Chen, Xuan Qi, James Xu Zhao, Zhaopeng Feng, Shilong Liu, Kuang Xu, Pang Wei Koh, Bryan Hooi 发布时间: 2026-10-02 arXiv: 2610.03675 中文摘要 LLM 引导的进化方法（如 AlphaEvolve）已成为解决计算优化难题的有力工具。然而，先前工作通常在固定迭代次数内优化性能增益。我们认为实际优化应最大化单位成本的增益。为此，我们提出 FrugalEvo——一个成本感知的进化框架，其中更强但更贵的 LLM 探索解题策略，更便宜的 LLM 实现策略并迭代优化代码。我们还设计了缓存高效的进化过程，通过 harness 和提示词设计最大化不同进化步骤间的前缀共享，提高缓存复用。为在固定成本预算内衡量解的质量，我们引入预算感知曲线下面积（BA-AUC）——定义为最优评估分数曲线在累计 LLM 成本下的面积，直至预算上限。在 10 个数学和系统优化任务上，FrugalEvo 在最终解质量上匹配或超越最先进水平基线（包括…

0.55 美元对 50 美元，差两个数量级。把这个比值念出来才有体感，而它也有保质期。

实抓摘要确认：圆形填充问题上，GPT-5.6 Terra + Luna 花 1.68 美元、GLM-5.3 及其 Flash 变体花 0.55 美元，达到新 SOTA，匹配或超越包括 CORAL、SwarmResearch 在内的全部基线，后者平均约 50 美元。

配置	成本	对基线比
GLM-5.3 + Flash	0.55 美元	1.1%
GPT-5.6 Terra + Luna	1.68 美元	3.4%
CORAL / SwarmResearch	约 50 美元	100%

该记的两件事。

胜利的定义换了。 BA-AUC 是最优分曲线对累计成本的积分，积到预算上限为止。它奖励「便宜且快地逼近」，不奖励最终质量。帖说 10 个任务最终质量匹配或超越、9 个任务 BA-AUC 更高——这两个赢不是同一件事，前者是终点，后者是整条路。
成本比是快照，不是常数。 0.55 对 50 这个 90 倍里，有一部分是当期 LLM 定价的差价，不全是方法的差距。模型按月调价，明年重跑这个比值会变。真正可迁移的部分是那个分工结构：贵的模型想策略，便宜的模型写代码，中间靠 harness 与提示词设计最大化前缀共享，把缓存吃干净。

作者阵容里有两个熟名字：Pang Wei Koh（华盛顿大学，WILDS 那批数据集的作者之一）和 Bryan Hooi（新加坡国立，做异常检测）。这两位凑在一起做「成本感知」，选题对得上——他们一贯关心的就是「分布变化时还剩什么、花多少钱剩下来的」。

一句话：这篇省下的不是钱，是「贵模型该只干贵事」这条分工。