首页 / 科研
分析 · 已核查AlphaEvolve把模型创意关进可验证的进化循环
DeepMind让Gemini生成代码、让评估器筛选，再以进化搜索持续改写候选。它在算法和计算基础设施上取得结果，也清楚暴露了自动发现的适用边界。
探矩编辑部 · 发布 · 更新
作者披露：本文由探矩编辑部机构账号署名；未采访相关公司、研究者或用户，未对所述产品、模型、机器人、芯片或服务进行实测。
三点摘要- AlphaEvolve组合Gemini模型、自动评估器和程序数据库，不以一次回答决定结果。
- DeepMind披露其成果已用于Google数据中心、TPU设计和Gemini训练优化。
- 系统依赖机器可评分目标；无法自动验证的问题仍难直接纳入循环。
探矩项目组 · 自有原创SVG几何示意图从生成代码到演化程序
代码随后被执行，由用户提供的评估函数给出一个或多个分数。高分程序进入数据库，再被抽样进后续提示，形成兼顾探索与利用的进化循环。
关键不是让大模型“证明自己正确”，而是把生成放在外层，把执行、测试和数学检查放在内层。评估可分级淘汰失败方案，也可并行消耗较多算力，使系统能改写数百行、多个函数甚至不同语言的代码。
成果跨过数学与工程两端
我们的判断
局限/仍未知
标签：AlphaEvolve · Google DeepMind · 算法发现 · 进化搜索
反馈这篇文章
相关阅读
大模型 · 分析OpenAI用编码、指令遵循和百万级上下文更新API产品线。真正值得关注的不是窗口纪录，而是长任务能否以可控成本稳定完成。
· 已核查
机器人 · 分析Figure把视觉语言理解与200Hz动作控制拆成两套协同系统，展示了同一权重处理多物体和双机器人任务的路径，但演示尚不能替代开放评测。
· 核查中
