skydiscover-ai/skydiscover

What it solves

SkyDiscover 是為 AI 驅動的科學發現與高效能系統的端到端合成而設計的框架。它透過使用 AI 根據正式規範或效能指標來迭代地發現與優化解決方案，解決了手動設計複雜演算法或系統（例如 LLM 推論引擎或 key-value stores）的挑戰。

How it works

該專案分為兩個主要模組：

• SkyDiscover Optimize: 演算法發現的模組化框架。它使用演化技術與 LLMs 來增量地改善改善解決方案。它提供了一個統一的介面來在數百個優化任務中執行與比較各種搜尋演算法（例如 AdaEvolve 和 EvoX），支援多種評估器格式，包括 Python 函數、容器化環境與 Harbor-format 基準測試。
• SkyDiscover Synthesize: 全系統合成的工具集。它採用了兩種主要技術：Inductive-Deductive Synthesis，使用 Rocq 中的正式規範來生成實作與證明；以及 Test-Driven Synthesis，使用由規劃、編碼、評論與審核代理人組成的團隊來根據自然語言描述與測試來迭代實作。

Who it’s for

此框架旨在用於研究人員與工程師，從事演算法優化、科學發現與高效能軟體系統的自動化合成。

Highlights

• SOTA Algorithms: 包含 AdaEvolve (adaptive search) 與 EvoX (self-evolving strategy evolution)。
• Broad Benchmark Support: 原生支援 Harbor-format 基準測試，並與 AlgoTune 和 BigCodeBench 等套件整合。
• Flexible Evaluation: 支援 Python-based、Docker-containerized 與 Harbor-format 評估器。
• Agentic Synthesis: 使用多代理人方法進行測試驅動的系統合成。
• Live Monitoring: 包含一個用於即時追蹤演化、程式碼差異與人機協作引導的儀表板。",