Google DeepMind 团队在 Nature 上发表了 ERA（Empirical Research Assistance）系统——一个能自动编写专家级科学软件的 AI 系统。其核心思路是将 LLM 代码生成与 AlphaZero 式的 PUCT 树搜索算法结合：不是让 AI 一次性生成代码，而是维护一棵全局搜索树，在"深挖当前最优方案"与"回溯早期冷门分支尝试全新思路"之间智能平衡，每一轮迭代都在代码沙盒中自动评分并反馈。除了改进当前算法、探索新思路外，ERA 还能将顶会论文中的各个先进算法进行总结，对不同算法做"理念杂交"，生成超越原版的混合方案。最终，ERA 在单细胞 RNA 测序批次整合（40 种新方法超越人类排行榜所有方案）、COVID-19 住院预测（14 个模型全部优于 CDC 集成标准）、通用时间序列预测等六个跨学科任务中均达到或超越人类专家水平，证明了只要任务有明确的自动评分标准，AI 就能通过搜索在代码解空间中找到人类难以察觉的最优路径。