让模型自主跑 53 小时优化量子电路，把 Toffoli 门数从 510 万压到 44 万——这件事最有价值的部分不是结果本身，而是支撑它的那个循环结构：廉价可信的评估器 + 程序级候选 + 长时间闭环。这套组合可迁移到编译器、查询计划、代价模型等一票工程问题。
成绩单与含金量
八项量子基准的 TQ-cost（Toffoli 门数 × 峰值量子比特数）改善从 4.1 倍到 9100 倍不等。两个案例最能说明"模型做了什么"：DQI 解码器把扩展欧几里得换成 Berlekamp–Massey 递推，再利用多项式等价自由度让被丢弃的值可反推，历史栈从 840 量子比特压到预留 19；模逆电路则发现"分支信息可以从迭代后的数字里解码出来"，不必存储——数字本身就是记录。
要说清的是：这类改动是跨算法家族的替换，传统编译器的局部门重写做不出来；它慢得多（53 小时）且不保证收敛，换来的是算法层面的创新空间。与 AlphaEvolve 谱系的差异在于候选是一整个 Python 程序而非片段——能在算法层动手，代价是评估器必须理解程序规格。
自己搭循环的六步
第一步，选对问题。 标准不是"重要"，而是"能不能写一个几百毫秒内判定对错的程序"。写不出来，循环转不起来。
第二步，评估器拆成硬门 + 梯度。 有效性是布尔门，分数是连续量，且无效候选必须得 0 分——否则循环会学到"把电路删空"是全局最优，这是最经典的 reward hacking 路径。
from qiskit.quantum_info import Operator
def evaluate(qc):
if not Operator(qc).equiv(REF): # 硬门：么正等价
return False, 0
cost = compute_tq_cost(qc) # 梯度：T×Q 加权
return True, cost
第三步，给规格不给答案。 讲清数学规则、讲清评估器怎么打分、明确要求并行探索多个方向——缺最后这条，模型默认收敛到熟悉方法。
第四步，提议 N 个全打分，别取第一个通过的。 best-of-N 取第一个通过者只优化"正确"；优化问题没有停止点，取第一个等于把搜索扔掉。
第五步，长跑的前提是每轮有确定性分数。 53 小时无人在环靠的不是模型耐力，是评估器可信度——评估器有假阳性，跑得越久偏得越远。
第六步，留验证升级出口。 数值模拟只给统计信心，涉及数学恒等式的主张送进 Lean 这类证明助手。
增量提醒（迁移时的两个坑）：一是评估器自身的回归测试——评估器代码改动后，必须用历史已知好坏候选集重跑一遍，判定标准是历史分数全量复现，否则整个进化谱系不可比；二是成本函数别只优化单一指标，T 和 Q 要么加权要么按 Pareto 前沿记录，单指标会催生"用量子比特换门数"到失控的组合。
该保留的疑点
所有数字出自作者自述，无独立复现；八项对比里有几项并非严格同题（失败保证语义不同）；TQ-cost 是资源计数，不是真机加速比。还有一条结构性观察：自治时长的上限由评估器可信度决定，不由模型上下文长度决定——想搞长时自主 Agent，先投资检查器。
评论0