几何优化是许多量子化学工作流的主要成本：每一步都需要一次力评估，在密度泛函理论层级，这次评估往往主导墙钟时间。这篇工作不问再训一个力场，而问语言模型能否通过自动研究，在现有最优开源优化器之上继续压低力调用次数。搜索从目前最快的开源优化器Sella出发，最终得到AutoSella一族两个优化器。

智能体改的是优化器本身

智能体直接改写优化器代码，目标是最小化力调用次数。过程受两道准入门约束：一道拒绝过早停止，另一道拒绝无法推广到未见分子的改进。前者卡住偷工减料的提前收敛，后者卡住只在搜索分布上好看的改写。起点明确，不是从零发明算法，而是从Sella出发做可验证的改写。

留出集上的力调用减少

两个AutoSella变体相对Sella，在留出分子基准、以及搜索时未使用的势能上，都给出了一致的力调用减少。最突出的数字出现在r2SCAN-3c密度泛函层级：最好的变体只需Sella的40.2%–77.2%力调用，就能达到同等能量下降；而智能体搜索全程没有使用密度泛函梯度。评价钉在力调用次数与同等能量下降上，而不是另立一套收敛标准。

我的判断

价值在于把代码智能体用到一个可计数的科学计算瓶颈上，并且用两道门限制了优化器论文里常见的两种水分：过早停止与过拟合。密度泛函上最好变体落到Sella四成到七成多的力调用，同时搜索未用密度泛函梯度，说明改写更像学到了可迁移的松弛策略，而不是贴着某一套势能调参。

适用边界同样清楚。手头材料只有摘要，没有改写细节、两个变体差异、分子体系规模和失败模式。40.2%–77.2%是区间，分子间差异不小，不能当成固定加速比。未参与搜索的势能上一致减少成立，但不等于更高阶量子化学方法上也成立。摘要也没有给出墙钟时间，力调用减少不等于端到端一定更快。对开发者而言，这更像一次用语言模型搜索数值算法的扎实案例，而不是立刻替换生产几何优化器的承诺。