近期，科技界迎來了一項重大突破，谷歌DeepMind團隊推出了一款名為AlphaEvolve的編碼工具，這款工具基于Gemini 2.0大語言模型（LLMs），旨在自動化算法發現過程，從而解決了傳統算法設計和科學發現中過度依賴專家直覺和手動迭代的問題。
AlphaEvolve結合了進化計算和自動化評估兩大技術，能夠自主生成并改進算法代碼。它不同于普通的代碼助手，通過構建結構化的反饋循環，不斷提出、評估和優化候選方案，逐步逼近最優解。該系統的架構支持異步分布式運行，可以靈活應對從構造函數到整個優化流程的各類復雜問題。
AlphaEvolve的核心優勢在于其多組件協同工作的能力。提示構建模塊基于歷史高分方案生成輸入，Gemini 2.0 Pro和Flash混合模型在保證質量的同時，也兼顧了速度。評估框架通過自定義評分函數，量化算法的表現。進化循環則利用歷史程序數據庫，平衡探索與利用的關系。
在數學研究領域，AlphaEvolve展現出了非凡的能力。在50多個公開數學問題上，它約75%的案例中重現了已知解，20%的案例中甚至發現了更優解。例如，在幾何學中的經典問題“接吻數問題”中，AlphaEvolve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。
不僅如此，AlphaEvolve還改進了4x4復雜矩陣乘法算法，僅用48次標量乘法就能完成計算，超越了1969年的經典Strassen方法，充分展示了其在算法數學領域的創新能力。在通用性方面，AlphaEvolve的表現同樣引人注目。在Erd?s最小重疊問題中，75%的案例匹配了最先進成果，20%的案例甚至超越了現有方案。在硬件設計和編譯器優化方面，它也帶來了顯著的性能提升。
DeepMind團隊認為，AlphaEvolve最適合解決那些可算法化表達并自動評估的問題。在材料研究、藥物開發和工業流程優化等領域，AlphaEvolve具有廣闊的應用前景。然而，對于需要現實實驗驗證的問題，目前AlphaEvolve的效果有限。但DeepMind團隊正在積極探索結合語言模型進行初步定性評估的混合方法，以期進一步提升其應用范圍。
相較于2023年推出的FunSearch系統，AlphaEvolve不僅在數學問題上表現出色，還能創建更廣泛實用的完整算法。這一突破標志著自動化算法發現領域邁上了新的臺階，為未來的科學研究和技術創新提供了強大的支持。
