Optimiser du code Rust en demandant à des agents LLM de le rendre plus rapide (en)

Retour d’expérience sur l’utilisation d’agents agentiques (Claude Opus 4.5) pour optimiser itérativement du code Rust, avec criterion pour benchmarker les gains de performance. L’auteur détaille les prompts utilisés pour réimplémenter des algorithmes de machine learning comme UMAP, obtenant des gains de 2x à 20x selon les cas. L’article aborde aussi les limites de l’autonomie des agents et l’importance des contraintes de prompt engineering.