google-research/era

它解決的問題

ERA（實證研究助理）解決了撰寫高品質、專家級實證軟體以進行科學研究的挑戰。它透過迭代式改進程式生成，自動化開發能解決複雜科學任務（例如流行病預測或神經科學資料分析）的程式過程。

如何運作

ERA 將大型語言模型（LLM）與稱為 Flat UCB Tree Search（FUTS）的樹搜尋演算法結合。系統以迴圈運作：使用 generate_fn 透過 LLM 提示產生候選程式，並使用 execute_fn 在沙盒環境中執行程式碼，以特定指標評分。透過使用 PUCT 演算法擴展搜尋樹，ERA 迭代生成、執行並評分候選程式，以收斂至最佳解。

適用對象

專為各領域的科學家設計——包括公共衛生、氣候、水文、經濟學和理論物理學——他們需要為研究開發高效率的實證軟體。

主要特色

• 樹搜尋優化：使用 Flat UCB Tree Search（FUTS）系統性地探索並改進程式候選方案。
• 科學領域的多功能性：已在流行病學、神經科學和組合數學等多樣化領域展現應用。
• 沙盒執行：內建機制可自動執行並評分程式碼，以引導搜尋過程。
• LLM 驅動的生成：利用 Gemini API 進行迭代式程式合成。