LLM引导的进化方法，如AlphaEvolve ，已成为挑战计算优化问题（如圆包装）的有力方法。然而，先前的工作通常会优化固定迭代次数的性能增益。我们认为，实际优化应使单位成本收益最大化。为此，我们提出了FrugalEvo ，这是一个具有成本意识的进化框架，

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.03675v1)获取最准确的信息。

---
🔗 **原文链接**: [FrugalEvo: Towards Cost-Aware LLM-Guided Program Evolution](https://arxiv.org/abs/2610.03675v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Hui Chen, Xuan Qi, James Xu Zhao, Zhaopeng Feng, Shilong Liu, Kuang Xu, Pang Wei Koh, Bryan Hooi

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
教程类内容我一般比较挑剔——太多文章是在凑字数。这篇我看了，算是有干货的。
适合跟着走一遍，应该能帮你省下自己摸索的时间。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-05 13:02