论文：在代码空间搜索多智能体路径规划策略，两项案例均超人工方案

一篇 arXiv 论文提出，让编码智能体在代码空间中迭代地提出、实现、评估、诊断并改进算法，由仿真反馈和显式正确性校验驱动，从而把自动优化与可解释性结合起来。两个案例中，该流程均优于人工设计的方案：在 2024 League of Robot Runners 的一张困难地图上，两天搜索得到的策略在最密集实例上比本地复现的较强参赛方案高 35.0%，并能泛化到未见地图；在不规则通道、连续机器人几何与异步运动的仿真仓库中，一周搜索得到一类全新的多智能体路径规划算法，吞吐量比经过校准的专有方案高 58.9%。论文还证明，在给定假设下，新算法无碰撞，并能在有限时间内完成每个被接受且未被撤回或替换的目标。