IT之家 5 月 15 日消息，科技媒體 marktechpost 昨日（5 月 14 日）發佈博文，報道稱谷歌 DeepMind 團隊推出革命性編碼工具 AlphaEvolve，基於 Gemini 2.0 大語言模型（LLMs），自動化算法發現過程，解決傳統算法設計和科學發現中依賴專家直覺和手動迭代的局限性。
AlphaEvolve 結合進化計算和自動化評估，自主生成、改進算法代碼。不同於普通代碼助手，AlphaEvolve 能通過結構化反饋循環不斷提出、評估和優化候選方案，逐步逼近最優解，其系統架構支持異步分佈式運行，靈活應對從構造函數到整個優化流程的各類問題。
AlphaEvolve 的核心在於其多組件協同工作：提示構建模塊基於歷史高分方案生成輸入；Gemini 2.0 Pro 和 Flash 混合模型兼顧質量與速度；評估框架通過自定義評分函數量化算法表現；進化循環則利用歷史程序數據庫平衡探索與利用。
在數學研究中，AlphaEvolve 在 50 多個公開數學問題上表現出色，約 75% 的案例中重現了已知解，20% 的案例中發現了更優解。例如，在「親吻數問題」（kissing number problem）中，它為 11 維情況找到了一種新配置，包含 593 個球體，刷新了下限記錄。
IT之家註：接吻數問題（Kissing Number Problem）是一個幾何學中的經典問題，旨在研究在 n 維歐幾里得空間中，有多少個相同大小的球體可以同時接觸一個中心球體，而彼此之間不重疊。這個最大數量被稱為 n 維的「接吻數」。
此外，它還改進了 4x4 複雜矩陣乘法算法，僅用 48 次標量乘法完成計算，超越了 1969 年的經典 Strassen 方法，展現出在算法數學領域的創新能力。
在通用性方面，AlphaEvolve 的表現也非常值得關注。在 Erdős 最小重疊問題中，75% 的案例匹配最先進成果，20% 甚至超越現有方案。在硬件設計和編譯器優化中，它為 TPU 電路和 FlashAttention 執行分別帶來顯著性能提升。
AlphaEvolve 最適合可算法化表達並自動評估的問題，DeepMind 認為其在材料研究、藥物開發和工業流程優化等領域具有廣闊前景。
該系統目前對需現實實驗驗證的問題效果有限，但 DeepMind 正在探索結合語言模型進行初步定性評估的混合方法。
相較於 2023 年推出的 FunSearch 系統，AlphaEvolve 不僅能解決數學問題，還能創建更廣泛實用的完整算法，標誌着自動化算法發現的新里程碑。
