Google Deepmind

IT HOME 5月15日新闻，技术媒体Marktechpost昨天（5月14日）发布了一篇博客文章，报道Google的DeepMind团队根据Gemini 2.0大语言模型（LLMS）启动了革命性的编码工具Alphaevolve，自动发现了算法的过程，并与传统的科学发现algorithific Coverion AlgorithM limits limits limits。 Alphaevolve结合了计算和自动检查的演变，以独立生产和改进算法代码。与普通的代码助手不同，Alphaevolve可以通过结构化反馈循环继续建议，检查和优化候选解决方案，从而逐渐接近最佳解决方案。它的系统体系结构支持异步共享操作，灵活地回复了从构造到整个优化过程的各种问题。 alphaevolve核心在于协作的多组分协作：施工模块的动机基于历史评分方案；混合物 - Gemini 2.0 Pro和Flash模型被认为是质量和速度。分析的轮廓通过算法数量的自定义功能执行；进化的演变使用历史程序的数据库来平衡探索和使用。在数学研究中，Alphaevolve在公共场合有50多个可用的数学问题，在几乎75％的病例中重新创建已知解决方案，并在20％的情况下找到更好的解决方案。例如，在亲吻这个数字的问题中，它发现了11维情况的Bagong调整，其中包含593个球体，从而刷新了较低的记录限制。主页注：亲吻数问题是一个经典的几何问题，旨在研究多少相同大小的球体可以同时接触中间球体，而无需在欧几里得的N维空间中相互覆盖。该最大数字称为n维“亲吻号”。此外，它还改善了d 4x4复合矩阵繁殖算法，仅使用48个标量复制完成计算，它超过了1969年的经典Strasssen方法，并在数学算法领域显示了创新能力。在灵活性方面，Alphaevolve性能也值得注意。在ERDS最小的重叠问题中，有75％的案例与SA最先进的问题相匹配，而20％的结果超过了现有的解决方案。在硬件和编译器设计的设计中，它分别为TPU电路和Flashhattention的实施带来了重大提高的性能。 Alphaevolve最适合可以在算法上进行算法和自动审查的问题，并且DeepMind认为它在诸如物质研究，药物开发和行业处理过程等领域具有广阔的前景。该系统目前对需要验证现实生活实验的问题有限E初步检查模型。与2023年启动的FUNSearch系统相比，Alphaevolve不仅可以解决数学问题，而且还会创建更多的数学，启用了一组实用的完整算法，这标志着发现自动算法的新里程碑。