通过自动诊断和技能发现训练数值智能

摘要

arXiv:2610.03872v1 Announce Type: new Abstract: AI agents are becoming increasingly capable of generating scientific code, but generating code is not the same as improving the algorithms behind it. Fo...

and solver numerical ADSD diagnosis the power flow generating code

2026-10-06 1 阅读约1分钟阅读 Peter Chen, Wotao Yin

arXiv:2610.03872v1 公告类型：新摘要：人工智能代理生成科学代码的能力越来越强，但生成代码并不等同于改进其背后的算法。对于数值求解器，执行反馈可能会暴露性能不佳，但很少揭示其根本原因以及解决方法。我们引入自动诊断和技能发现（ADSD），这是一个将数值诊断与可重用求解器自我改进联系起来的框架。 ADSD 遵循诊断优先的范式，首先解释求解器性能不佳的原因，然后使用此诊断来指导发现适当的数值方法。由此产生的知识被打包成可重用的求解器技能，将求解器改进从试错编辑转变为诊断、发现和实施的结构化过程。在四个具有挑战性的数值领域——潮流方程、交流最优潮流控制、刚性常微分方程和异质扩散偏微分方程——ADSD 不断提高求解器的精度、鲁棒性和效率。例如，在 GOC-500 潮流上，ADSD 将平均求解器误差降低了近 71 美元\次$，并且改进进一步转移到了看不见的电网拓扑和运行机制。

订阅66必读