南大 LAMDA 开源 AgenticBBO-Bench：代码智能体攻克黑盒优化难题，4 大核心场景跑分碾压数值求解器

核心背景与行业痛点

在超大规模集成电路（VLSI）布局布线、大规模分布式数据库调优、深度学习模型超参数寻优以及药物分子合成设计等尖端技术领域，工程师往往面临极其棘手的黑盒优化问题（BBO）：目标函数由复杂的物理仿真软件或实际系统集群决定，不仅解析表达式未知、梯度无法计算，且每一次试错采样的算力与时间成本极为昂贵。传统方法如高斯过程贝叶斯优化（GP-BO）或协方差矩阵自适应进化策略（CMA-ES）完全把任务视作纯数字黑盒，忽视了代码语义、先验规则和领域知识；而单纯让大模型猜参数又极易陷入数值不敏感和天马行空的幻觉。如何让 Coding Agent 与专业数值计算工具协同，在极小采样预算下实现全局最优搜索，成为学术界与工业界迫切需要解决的标准化难题。

架构亮点与底层机制

针对跨领域 BBO 缺乏统一评估基准与系统解构的现状，南京大学 LAMDA 团队联合多所顶尖机构打造了 AgenticBBO-Bench 框架（arXiv:2610.12183，开源项目 lamda-bbo/agentic-bbo）：

1. 五大工业级现实场景统一拓扑：AgenticBBO-Bench 首次跨越了人工合成测试函数、机器学习超参数寻优（HPO）、真实数据库（PostgreSQL/MySQL）性能调优、芯片宏单元放置（Chip Floorplanning）以及抗癌分子逆向合成五大高价值领域，制定了严苛的统一有限评估预算（Finite-Budget Protocol）；
2. Codex Agent 工具调用闭环底座：不同于简单的文本问答，智能体被部署在包含 Python 解释器、Scipy/Optuna 专业数值求解器以及动态日志沙箱的交互 Harness 中。智能体能够自主编写优化搜索代码、调用传统求解器进行局部爬山，并根据反馈动态修正先验信念；
3. 三维驱动因子深度解构：团队系统性拆解了驱动 Agent BBO 成功的核心要素：证实了单纯堆砌数值优化工具并不能带来线性增益，任务的高阶语义描述（Task Semantics）具有极其广泛的泛化加速效果，而数值优化器能够高效吸收 Agent 在早期探索中建立的全局宏观轨迹。

权威 Benchmark 与实测跑分对比

研究团队在统一有限预算下对主流优化范式与前沿大模型展开了严谨评测：

1. 全面碾压纯 LLM，4 大场景力克顶级数值求解器：Agentic BBO 机制在所有 5 个评测领域均大幅领先纯大模型提示词方法；在超参数优化、数据库调优、芯片设计与分子设计 4 大复杂工程场景中，Agentic 系统的综合得分全面超越了 Optuna、CMA-ES 等经过多年工程打磨的最优专用数值优化器；
2. 前沿模型 Pareto 前沿确立：在 Codex Agent 架构下对比的 7 款旗舰模型中，GPT 系列与 DeepSeek 前沿轻量模型凭借敏锐的代码工具编排能力和极佳的 token 性价比，稳稳占据了优化质量与推理成本的 Pareto 最优前沿；
3. 消除盲目试错开销：在同等搜索预算（如仅允许 50 次黑盒调用）下，Agentic BBO 找到次优解所需的迭代步数比传统贝叶斯优化减少了 38% 以上。

开发者实战落地与开箱指南

LAMDA 团队已在 GitHub 全量开源了评测代码与沙箱环境（lamda-bbo/agentic-bbo）。对于从事基础设施调优、硬件 EDA 设计或自动化科学计算（AI for Science）的研发团队，AgenticBBO-Bench 提供了极为清晰的工程指引：不要将大模型直接当作纯采样器使用，而应将其封装为具备“代码编写 + 工具编排 + 语义反思”能力的调度大脑。通过在企业 CI/CD 或实验平台中接入 Agentic BBO 脚手架，将领域先验注入 Agent 提示词，并挂载传统数值求解器作为局部探索插件，能够在极高单次成本的工业仿真场景下大幅压缩试错周期与研发成本。