用大模型自动迭代生成算法，让编程更高效。
Solve it with EASE
- 分角色协作：生成、分析、评估模块化闭环运行
- 支持多模型协同，用户可自定义错误处理流程
- 开源透明，适合研究者和开发者快速试错
本文提出EASE（Effortless Algorithmic Solution Evolution），一个开源且完全模块化的框架，用于借助大语言模型（LLMs）迭代生成算法解决方案。EASE将生成、测试、分析与评估整合为可复现的反馈循环，使用户能够完全控制错误处理、分析过程与质量评估。其架构支持多个LLM以互补角色协同工作，如生成器、分析者和评估者。通过抽象提示工程与模型管理的复杂性，EASE为研究人员和实践者提供了一个透明且可扩展的平台，用于在不同领域共同设计算法及其他生成式解决方案。
原文摘要 · Abstract (English)
This paper presents EASE (Effortless Algorithmic Solution Evolution), an open-source and fully modular framework for iterative algorithmic solution generation leveraging large language models (LLMs). EASE integrates generation, testing, analysis, and evaluation into a reproducible feedback loop, giving users full control over error handling, analysis, and quality assessment. Its architecture supports the orchestration of multiple LLMs in complementary roles-such as generator, analyst, and evaluator. By abstracting the complexity of prompt design and model management, EASE provides a transparent and extensible platform for researchers and practitioners to co-design algorithms and other generative solutions across diverse domains.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。