ある研究者が、現代のエージェント型LLMが継続的な反復プロンプトを通じてRustコードを大幅に最適化できることを実証しました。エージェントに具体的なパフォーマンス目標を与え、ベンチマークが収束するまで反復を繰り返させることで、研究者は初期の実装に対して 2x から 32x の範囲の累積的な高速化を達成しました。
このプロセスでは、モデルが単なるハイパーパラメータの調整を超えて、根本的なアルゴリズムの再実装へと向かうよう促す、特化した「Ur-Prompts」や「breakthrough」指示が用いられています。生成されるコードの堅牢性と高品質を保証するため、unsafe コードの禁止や、ベンチマークの改ざん防止といった重要な制約が課されました。
テストされたアプリケーションには、UMAPのような機械学習アルゴリズム、勾配ブースティング決定木（GBDT）、さらにはテンプレートエンジンやASCIIアートレンダラーといったユーティリティライブラリが含まれています。研究者は、モデルがコード行数を削減するために既存のコードのリファクタリングを課された場合でも、エージェントによるプロセスによってさらなるパフォーマンス向上がもたらされることが多いと指摘しています。この手法を通じて開発された最適化済みのRustクレートは、最終的にMITライセンスでオープンソースとして公開される予定です。
出典
- Writing Rust code that's fast by asking agents to make the code faster （Hacker News Frontpage, 2026-09-22）