阿里与浙大提出 Astar：从代码提交历史学习 AI 系统演化方向
阿里与浙大训练 Astar，让 LLM 从系统的历史提交与实验记录里学演化方向，把找改进想法的效率提高 10100 倍。
阿里与浙大提出 Astar，一个专门指导 AI 系统进化的 LLM（大语言模型）。它不依赖通用知识，而是从系统自身的代码提交与实验记录中学习真实的演化经验，据称可将算法工程师产生新想法的效率提高 10100 倍，并已在阿里推荐业务落地。
正文摘录
.jpg)  如今的 AI 已经能顺畅地帮你写代码、跑实验、做评估。算法工程师的每一天，几乎变成了：让 LLM 整理昨天的实验结果，让 LLM 实现新想法，让 LLM 监控实验运行…… 似乎只需把需求告诉 AI，它就能完成大部分算法工作。 目前唯一未被 AI 取代的，是算法工程师的 “ 创造力 ”—— 即 发现 AI 系统改进方向的能力 。通常，模型下一步该往哪改，是高度依赖算法工程师的经验和直觉的。现在， 连 “怎么让自己变强” 这事，AI 也能自己做主了 ！ 阿里和浙大联手推出了专门 用于指导 AI 系统进化的 LLM——Astar 。与直接使用通用大模型给出 “万金油” 经验不同，Astar 另辟蹊径： 去深度学习 AI 系统自身的 “进化血泪史” —— 那些散落在历史记录里的代码提交和实验结果。将这些真实的演化经验内化后， Astar 能够根据当前 AI 系统的状态，自适应地探索出未来的演化方向 。 实践中，Astar 能够将算法工程师 产生新 idea 的效率提高 10100 倍 ，提出的演化方向也 显著优于现实专家和通用基模 ，彻底走通提出想法、编写代码、模型训练、评估上线的 AI 进化链路闭环。