科技媒体 marktechpost 昨日（5 月 14 日）发布博文，报道称谷歌 DeepMind 团队推出革命性编码工具 AlphaEvolve，基于 Gemini 2.0 大语言模型（LLMs），自动化算法发现过程，解决传统算法设计和科学发现中依赖专家直觉和手动迭代的局限性。
AlphaEvolve 结合进化计算和自动化评估，自主生成、改进算法代码。不同于普通代码助手，AlphaEvolve 能通过结构化反馈循环不断提出、评估和优化候选方案，逐步逼近最优解，其系统架构支持异步分布式运行，灵活应对从构造函数到整个优化流程的各类问题。
AlphaEvolve 的核心在于其多组件协同工作：提示构建模块基于历史高分方案生成输入；Gemini 2.0 Pro 和 Flash 混合模型兼顾质量与速度；评估框架通过自定义评分函数量化算法表现；进化循环则利用历史程序数据库平衡探索与利用。
在数学研究中，AlphaEvolve 在 50 多个公开数学问题上表现出色，约 75% 的案例中重现了已知解，20% 的案例中发现了更优解。例如，在“亲吻数问题”（kissing number problem）中，它为 11 维情况找到了一种新配置，包含 593 个球体，刷新了下限记录。
AI在线注：接吻数问题（Kissing Number Problem）是一个几何学中的经典问题，旨在研究在 n 维欧几里得空间中，有多少个相同大小的球体可以同时接触一个中心球体，而彼此之间不重叠。这个最大数量被称为 n 维的“接吻数”。
此外，它还改进了 4x4 复杂矩阵乘法算法，仅用 48 次标量乘法完成计算，超越了 1969 年的经典 Strassen 方法，展现出在算法数学领域的创新能力。
在通用性方面，AlphaEvolve 的表现也非常值得关注。在 Erdős 最小重叠问题中，75% 的案例匹配最先进成果，20% 甚至超越现有方案。在硬件设计和编译器优化中，它为 TPU 电路和 FlashAttention 执行分别带来显著性能提升。
AlphaEvolve 最适合可算法化表达并自动评估的问题，DeepMind 认为其在材料研究、药物开发和工业流程优化等领域具有广阔前景。
该系统目前对需现实实验验证的问题效果有限，但 DeepMind 正在探索结合语言模型进行初步定性评估的混合方法。
相较于 2023 年推出的 FunSearch 系统，AlphaEvolve 不仅能解决数学问题，还能创建更广泛实用的完整算法，标志着自动化算法发现的新里程碑。
