AlphaEvolve - 谷歌 DeepMind 推出的通用科学AI Agent

AlphaEvolve是什么

AlphaEvolve 是谷歌 DeepMind 推出的通用科学 Agent，靠大语言模型（LLMs）的创造力加上自动评估器来设计和优化高级算法。模型用 Gemini Flash 和 Gemini Pro 两种，外面套一层进化框架，不断把最有潜力的算法往前推。AlphaEvolve 在数据中心调度、硬件设计、AI 训练和复杂数学问题上都有实打实的成果：优化矩阵乘法算法、提升数据中心效率、在多个开放数学问题上取得突破。AlphaEvolve 也说明这套算法开发能力能从特定领域搬到更宽的现实挑战上。

AlphaEvolve的主要功能

• 发现和优化算法：数学和计算领域里，找新算法、优化现有算法。
• 提升计算效率：提高数据中心的调度效率、硬件设计的性能及AI训练的速度。
• 解决复杂数学问题：提出解决复杂数学问题的新方法，例如在矩阵乘法和几何问题上的突破。
• 跨领域应用：材料科学、药物发现、可持续性这些领域都能用。

AlphaEvolve的技术原理

• 进化计算框架：进化算法一层层改代码。用户先给一个初始程序，里面圈出要进化的代码块和评估函数。LLM 生成代码改动（diffs），改动套到当前程序上，就成了新的候选。每个候选都过一遍用户给的评估函数打分，函数返回一个或多个标量指标。分数高的进入下一代，同时留一点多样性，搜索空间不至于太窄。
• LLM 的角色：LLM 在 AlphaEvolve 里是核心，负责生成代码修改、提出新方案。分几块看：LLM 会看着当前程序和历史信息给出改动建议，改动可能是小调整，也可能整块重写；LLM 还会按评估结果调整生成策略，下一轮给出更优的方案；LLM 能处理问题描述、相关文献、代码片段这些上下文，代码更贴合需求。
• 评估机制：评估全自动，用户只要把评估函数交出来，方案好不好由函数量化打分。输出通常是一个或多个标量指标。
• 进化数据库：进化数据库存的是进化过程中生成的程序和评估结果，后续迭代要参考这些记录。算法上还保证了多样性，免得一头扎进局部最优。检索和挑选好程序都很快，进化效率跟着提。
• 分布式计算：多个计算任务并行跑，需要时等一等彼此的结果。计算资源分配得合理，评估的样本数量就能拉满，进化速度快一些。大规模计算集群上也跑得起来，不同规模的问题都接得住。

AlphaEvolve的项目地址

• 项目官网：https://deepmind.google/discover/blog/alphaevolve
• arXiv技术论文：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaevolve

AlphaEvolve的应用场景

• 数据中心调度：找到高效的启发式方法，用来优化 Borg 调度，Google 全球计算资源里有 0.7% 被持续回收，任务完成效率也上去了。
• 硬件设计：给出了 Verilog 重写方案，把矩阵乘法电路里多余的位去掉，再集成进 Tensor Processing Unit（TPU），AI 和硬件工程师的协作也顺了。
• AI训练和推理：矩阵乘法操作做了优化，Gemini 架构训练更快，训练时间缩短。
• 数学问题解决：设计新算法，比如改进矩阵乘法；开放数学问题也有进展，像把“亲吻数”问题的下界往上抬了。
• 跨领域应用：材料科学、药物发现、可持续性这些领域都能用，技术往前推一把。