谷歌 DeepMind 推出 AlphaEvolve AI 自动化算法发现工具
5月15日，科技媒体 MarkTechPost 昨日（5月14日）报道称，谷歌 DeepMind 团队正式推出新一代算法自动化发现系统 AlphaEvolve。该工具基于 Gemini 2.0 大语言模型，融合进化计算与结构化反馈机制，旨在彻底改变传统算法设计严重依赖专家经验与手动调优的现状。
与传统代码生成器不同，AlphaEvolve 能够自主构建、评估与迭代算法方案，实现从构造函数到完整算法流程的全自动优化。其架构支持异步分布式运行，覆盖多种问题类型，既保证效率，也提升了算法生成质量。
AlphaEvolve 的运行核心由四个关键组件协同驱动，提示构建器：基于历史高分程序构建候选提示；Gemini 2.0 Pro + Flash 模型组合：兼顾生成质量与响应速度；评估器：通过自定义评分函数量化方案效果；进化循环机制：以程序数据库为基础，在探索与利用之间实现动态平衡。通过该系统，AI 不仅能“写代码”，还能在不断迭代中主动寻找更优解，推动算法质量稳步提升。
在数学研究中，AlphaEvolve 表现出极强的自动化研究能力。官方数据显示，其在 50 多项公开数学难题中，有超过 75% 重现已知解法，并在 20% 案例中发现更优结果。最具代表性的是，它在11维“接吻数问题”中提出了一种全新球体排布方式，实现了 593 个球体同时接触中心球体，刷新了该维度下限纪录。此外，在矩阵计算领域，AlphaEvolve 也展现出突破性成果 —— 成功优化 4x4 复杂矩阵乘法至仅需 48 次标量乘法，超越自 1969 年 Strassen 算法以来的记录。
DeepMind 表示，AlphaEvolve 特别适用于“可形式化表达+自动评估”的问题类型，例如材料发现、药物设计、工业流程调优等场景。虽然对依赖现实实验验证的问题目前能力有限，但团队正在尝试引入语言模型辅助的“定性评估”方法，拓展适用边界。
