IT之家于5月15日传来消息，科技媒体marktechpost在前一天（即5月14日）发表了一篇博文，其中提到谷歌的DeepMind团队推出了一款名为AlphaEvolve的创新编码工具。这款工具是基于Gemini 2.0大语言模型（LLMs）开发的，能够实现自动化算法的发现过程，从而克服了传统算法设计以及科学发现过程中对专家直觉和手动迭代依赖的局限性。
AlphaEvolve 融合了进化计算技术与自动化评估机制，能够自主地创建和优化算法代码。与一般的代码辅助工具不同，它能够借助结构化的反馈循环，持续地提出、评估并优化各种候选方案，逐步接近最佳解决方案。此外，其系统架构能够支持异步分布式运行，具备应对从构造函数至整个优化流程中各种问题的灵活性。
AlphaEvolve 的关键在于其多个组件的紧密协作：提示构建模块依据过往的高分策略生成输入；Gemini 2.0 Pro 和 Flash 混合模型在保证质量的同时注重速度；评估框架通过设定评分函数来衡量算法的性能；进化循环则通过历史程序数据库来协调探索与利用的平衡。
在数学领域，AlphaEvolve 在超过50个公开的数学难题上展现出卓越的能力，大约在75%的情况下成功重现了已知的解决方案，更有20%的情况中，它找到了更加高效的解决方案。以“亲吻数问题”为例，它为11维空间找到了一种全新的排列方式，该排列由593个球体构成，这一成果刷新了该问题的下限记录。
IT之家指出：接吻数问题，这一几何学领域内的经典课题，主要探讨在 n 维的欧几里得空间内，能够与一个中心球体相接触且不相互重叠的相同大小球体的最大数量。这一数量被定义为 n 维空间的“接吻数”。
此外，该系统对4x4矩阵的复杂乘法算法进行了优化，计算过程中仅需48次标量乘法，这一成就超越了1969年Strassen提出的经典方法，彰显了在算法数学研究领域的创新实力。
在通用性方面，AlphaEvolve同样展现出了引人注目的实力。在Erd?s最小重叠问题领域，它成功匹配了75%的顶尖成果，更有20%的案例超越了现有的解决方案。此外，在硬件设计以及编译器优化方面，AlphaEvolve为TPU电路和FlashAttention执行提供了显著的性能增强。
AlphaEvolve特别适用于那些能够用算法进行表达和自动评估的问题，DeepMind公司认为它在材料科学、药物发现以及工业流程的优化等方面展现出巨大的潜力。
该系统在当前阶段对于需要通过实际实验来验证的问题所展现的效果尚不显著，然而，DeepMind 正致力于研究一种将语言模型融入其中的混合评估方式，以期对问题进行初步的定性分析。
与2023年发布的FunSearch系统相比，AlphaEvolve不仅擅长解决数学难题，而且还能够构建更为广泛且实用的算法体系，这一成就标志着在自动化算法发现领域迈出了新的重要步伐。
