Google 的 AI R&D 实验室 DeepMind 表示，他们开发了一种新的 AI 系统，用于处理具有 "machine-gradable"（可由机器评分）解决方案的问题。
DeepMind 表示，在实验中，该系统名为 AlphaEvolve，可帮助优化 Google 用于训练其 AI 模型的一些基础设施。公司表示，他们正在构建与 AlphaEvolve 交互的用户界面，并计划在可能更大范围推广之前，为部分学者推出早期访问计划。
大多数 AI 模型会产生幻觉。由于其概率架构，这些模型有时会自信地编造信息。实际上，新一代 AI 模型（如 OpenAI 的 o3）比其前辈产生更多幻觉，这也反映了该问题的复杂挑战。
AlphaEvolve 引入了一种巧妙的机制以减少幻觉现象：自动评估系统。该系统利用模型生成、评判并综合出一个问题的可能答案池，同时自动评估和打分以判断答案的准确性。
DeepMind 表示，AlphaEvolve 系统的设计目标是供领域专家使用。
AlphaEvolve 并不是第一个采用这种方法的系统。包括几年前 DeepMind 团队在内的研究人员，曾在数学各领域中应用过类似技术。但 DeepMind 声称，AlphaEvolve 所使用的 "state-of-the-art"（最先进）模型——特别是 Gemini 模型——使其相比以前的 AI 系统具有显著更强的能力。
要使用 AlphaEvolve，用户必须向系统输入一个问题，并可选地附上说明、方程、代码片段以及相关文献等详细信息。用户还需要提供一种以公式形式自动评估系统答案的机制。
由于 AlphaEvolve 只能解决其自身能进行评估的问题，该系统仅适用于某些类型的问题——特别是计算机科学和系统优化等领域的问题。另一项主要限制是，AlphaEvolve 只能以算法形式描述解决方案，这使得它对于非数值类问题的适用性较差。
为了对 AlphaEvolve 进行基准测试，DeepMind 让该系统尝试了一组精挑细选的约 50 道数学题，涵盖从几何到组合数学等多个分支。DeepMind 声称，AlphaEvolve 在 75% 的情况下能够“重新发现”这些问题的最佳解答，并在 20% 的案例中找到改进方案。
DeepMind 还将 AlphaEvolve 应用于实际问题，如提高 Google 数据中心的效率及加速模型训练。根据该实验室的数据，AlphaEvolve 生成的一种算法平均可持续回收 Google 全球计算资源的 0.7%。该系统还提出了一项优化措施，将 Google 训练 Gemini 模型的总体时间缩短了 1%。
需要明确的是，AlphaEvolve 并没有带来突破性的发现。在一次实验中，该系统成功找到了优化 Google TPU AI 加速器芯片设计的改进方案——这一问题此前已被其他工具指出。
然而，DeepMind 与许多 AI 实验室一样，主张 AlphaEvolve 能够节省时间，从而释放专家去关注其他更为重要的工作。
