CEDAR: Agent-Orchestrated Tree Search for Goal-Directed Optimization of Complex Systems

想象一下，你正试图烤出一个完美的蛋糕，但你手头没有食谱。你只有一个模糊的想法：“它需要口感蓬松、甜而不腻，且不会太沉重。”在现实世界中，许多事物——比如城市的扩张方式、病毒的传播方式，或者经济对新法律的反应——都非常像这个蛋糕。它们是“复杂系统”，这意味着它们由许多相互作用的部分组成，这些部分通过循环进行沟通。如果你改变其中一个环节，这种变化会以意想不到的方式波及整个系统。几十年来，科学家们一直试图为这些系统构建数字模型以预测未来，但这一直是一场噩梦。通常，这需要人类专家编写非常具体且困难的代码，即便如此，想要弄清楚如何微调模型以达到理想的结果，就像是通过猜测风向来驾驶一艘船一样困难。

现在，出现了一种名为 CEDAR 的新方法。把它想象成一支由超级聪明、不知疲倦的机器人厨师组成的团队，他们正齐心协力地从零开始发明那份完美的蛋糕食谱。CEDAR 并不依赖人类编写代码，而是使用一种特殊的智能（大语言模型，简称 LLM），它扮演着“法官”（Judge）和“编辑”（Editor）的角色。编辑尝试重写食谱（即计算机代码）以让蛋糕变得更好，而法官则品尝结果并给出评分。但最神奇的地方在于：它们并非在盲目猜测。它们使用了一种叫做“蒙特卡洛树搜索”（Monte Carlo Tree Search）的策略，这就像一名侦探在探索一个巨大的、分支繁多的迷宫。在每一个岔路口，侦探都会询问：“如果我走这条路，能否找到更好的蛋糕？”这使得系统能够探索数千个不同版本的食谱，从错误中学习，并找到人类可能永远无法想到的路径。论文表明，这支机器人团队可以接手一个混乱的现有模型，并自动对其进行改进，以实现诸如“增加人口增长但保持低污染”之类的目标，其速度和创造力都超过了传统方法。

机器人厨师与可能性的迷宫

本文的核心思想是，我们可以利用人工智能来自动设计并改进复杂系统，这些系统是模拟生态系统、经济或人口等事物的模型。这些系统之所以棘手，是因为它们充满了反馈循环——其中一部分的输出变成了另一部分的输入，从而创造了一个难以预测的因果网络。传统上，构建这些模型是一项缓慢且繁重的工作，由专家使用专门且过时的软件完成。如果你想修改模型以观察添加一条新规则会发生什么，你必须亲自重写代码。

CEDAR 通过将这一过程转变为一种自主的、自动驾驶的过程，改变了游戏规则。它将创建系统模型的过程视为一场探索游戏。该系统被表示为一段 Python 代码（一种常见的编程语言），用于模拟系统随时间变化的过程。目标是找到一个行为符合人类预期（例如“在最大化人口增长的同时最小化污染”）的代码版本。

为此，CED 采用了两个在循环中工作的 AI 智能体：

1. 编辑 (The Editor)： 这个 AI 查看当前的代码和模拟结果。然后，它会对代码提出修改建议。它可能会微调一个数值，在变量之间增加新的关系，或者改变公式的工作方式。它就像一位试图尝试新食材的创意厨师。
2. 法官 (The Judge)： 这个 AI 运行新代码，观察模拟过程，然后根据目标进行评估。它会给新版本打分，并写出一份详细报告，解释其表现优异或糟糕的原因。它就像一位品尝蛋糕的食评人。

但仅仅尝试随机的变化是不够的。这就是蒙特卡洛树搜索 (MCTS) 发挥作用的地方。想象一棵树，树干是你的初始模型。每当编辑做出一次改变，就会长出一个新的分支。MCTS 算法决定下一步探索哪些分支。它不仅仅选择目前看起来最好的分支；它在探索新奇想法（以寻找隐藏的瑰宝）与深入挖掘最有希望的路径之间取得平衡。这防止了系统陷入“足够好”的局部最优解，并帮助它找到真正惊人的结果。

实验：从世界动态到人口增长

作者在两个主要挑战上测试了 CEDAR，以验证其是否真的有效。

挑战 1：“世界动态”蛋糕
第一个测试使用了一个著名的复杂模型，称为“世界动态”（World Dynamics），它模拟了人类人口、自然资源和污染的协同演化。这个原始模型由一位人类专家在 20 世纪 70 年代创建，它显示出如果任其自然发展，人口会增长，资源会被耗尽，且污染会激增。CEDAR 的目标是微调这个模型，寻找一个“甜点”，即人口可以增长，但资源不会枯耗，且污染保持在较低水平。

结果令人印象深刻。CEDAR 不仅仅是找到了小幅度的改进；它发现了全新的平衡系统的方法。在一次运行中，它成功地在 200 年内将人口增加了 6.4 倍（从 16.5 亿增加到 105.7 亿），同时仅消耗了 19.9% 的自然资源，并将污染积累控制在极低水平。这比原始模型有了巨大的进步，原始模型显示出大规模的资源枯竭和污染激增。论文指出，不同的 AI “大脑”（如 Claude 和 GPT-5.1）找到了不同的解决方案，这表明 CEDAR 可以发现多种有效的解决问题的方法，而不仅仅是单一答案。

挑战 2：从蛋糕中推测食谱
第二个挑战更加困难。团队给了 CEDAR 一个“地面真值”（ground truth）系统——一个带有随机、不可预测元素（例如死亡率每一步都在随机变化）的复杂人口模型。他们没有告诉 CEDAR 这个系统的公式。相反，他们给了它一份随时间变化的人口数据记录，并要求它构建一个能够重现该记录的模型。

为了公平起见，他们将 CEDAR 与一种标准的优化工具 Optuna 进行了对比。他们给了 Optuna 三种不同程度的帮助：

• 无公式： 仅有两个简单的数字（出生率和死亡率）。
• 简单公式： 一个基础的反馈循环。
• 完整公式： 真实系统的精确数学结构（已知结构）。

尽管 CEDAR 在起始阶段没有任何公式（它必须自己发明结构），但它的表现甚至超越了拥有完整公式（已知结构）的 Optuna。在模拟中，CEDAR 实现了更低的误差率（L1 距离为 2.22），而拥有完整公式的 Optuna 的 L1 距离为 3.71。这表明 CEDAR 非常擅长探索可能性空间，它仅通过观察数据就能推导出系统的底层规则，而无需人类预先告知其方程。

为什么这很重要（以及它不具备的能力）

论文指出，这种方法可以使复杂系统建模变得更加容易。用户不再需要拥有系统动力学博士学位来编写代码，只需用简单的英语描述一个目标，CEDAR 就会完成繁重的工作。它还提供了“可解释性”，这意味着 AI 会解释它为什么要做出改变。例如，在“世界动态”实验中，AI 解释了它是如何通过减少 25-40% 的资源使用量和 30-40% 的污染产生量来实现更好的平衡。这些解释有助于人类理解 AI 正在进行的权衡。

然而，作者对其声明保持谨慎。他们指出，虽然这些模拟结果很强，但该方法的理论保证（即证明它一定能找到最优解的数学证明）仍是一个开放性问题。他们还提到，“法官”和“编辑”都是大语言模型，这意味着存在两者互相强化彼此错误的微小风险，尽管树搜索结构有助于防止这种情况。论文并未声称这是一个解决了所有现实场景问题的方案，而是将其视为一种强大的新工具，表明我们可以自动化地发现复杂的系统行为，而这在以前是无法想象的。

简而言之，CEDAR 就像是给了一支 AI 探险队一张通往广袤、未知森林（所有可能的系统模型空间）的地图和指南针（目标）。它们不再是漫无目的地游荡，而是利用一种聪明的策略，去寻找那些最美丽、最有用的林间空地，并经常发现人类徒步旅行者从未想过要去寻找的路径。