研究并构建新一代自我演进 Agent 系统，通过策略演化与程序生成机制，在目标明确的大规模搜索环境下实现复杂算法问题的自动化优化求解
设计支持方法迁移、经验复用与信息检索融合的长期记忆体系，提升产业级 Agent 的智能上限与执行效率
面向组合优化、时序预测、AI4Science、数学计算等高难度问题，探索更高效、更具泛化能力的算法演化机制
构建系统化评估体系与实验范式，对自我演进 Agent 的泛化性、稳定性及可迁移能力进行持续研究与验证
产出具有学术与技术影响力的研究成果和系统级落地，推动形成新一代 AI for Algorithm Discovery 研究方向