AgenticBBO-Bench：评测 LLM 智能体黑盒优化能力的跨域基准

研究团队发布 AgenticBBO-Bench，覆盖合成函数、超参数优化、数据库调优、芯片设计和分子设计五个领域，统一有限预算评测协议。实验显示 agentic BBO 在全部五个领域的平均得分高于直接使用 LLM 的方法，并在其中四个领域超过最佳数值优化器。分析发现额外增加数值工具并不总是提升性能，任务语义信息普遍有用，具体先验知识反而不够可靠。在五任务前沿挑战中，七款 LLM 在 Codex agent 框架下评测，GPT-6 Astra 和 DeepSeek-V4.1-Flash 位于性能与成本的 Pareto 前沿。