以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
LLM-guided evolutionary search uses AI agents to improve programs for mathematical and computational problems by iteratively refining solutions and combining high-scoring methods. However, the process is often slow because the LLM generates a long textual chain of thought for each round and must repeat this generation
阅读原文 · Qile Jiang, George Em Karniadakis
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，在于它把 LLM 进化搜索里最贵的一环直接砍掉了。 现在的 LLM 进化搜索，每轮都要让模型把思考过程写成一大段文字，再反复生成很多次来维持种群多样性。慢，而且贵。SwarmEvolve 的思路是：让几百个低成本智能体在隐空间里思考，不解码成文本，靠传 KV cache 交流。 如果这个路子成立，程序搜索的成本结构会变。摘要说在 21...