google-research/era

它解决了什么问题

ERA（经验研究助手）解决了编写高质量、专家级经验性软件以支持科学研究的挑战。它通过迭代改进代码生成过程，自动化开发能够解决复杂科学任务（如流行病预测或神经科学数据分析）的程序。

它如何工作

ERA 将大型语言模型（LLM）与一种称为 Flat UCB Tree Search（FUTS）的树搜索算法相结合。系统以循环方式运行：使用 generate_fn 通过 LLM 提示生成候选程序，并使用 execute_fn 在沙箱环境中执行代码，以特定指标对其进行评分。通过使用 PUCT 算法扩展搜索树，ERA 迭代生成、执行并评分候选程序，最终收敛到最优解。

适用于谁

它专为各个领域的科学家设计——包括公共卫生、气候、水文学、经济学和理论物理——这些科学家需要为其研究开发高性能的经验性软件。

主要亮点

• 树搜索优化：使用 Flat UCB Tree Search（FUTS）系统性地探索并改进代码候选方案。
• 科学领域通用性：已在流行病学、神经科学和组合数学等多个不同领域展示应用。
• 沙箱执行：包含自动执行和评分代码的机制，以指导搜索过程。
• 基于 LLM 的生成：利用 Gemini API 实现迭代程序合成。