AlphaEvolve: 用于科学计算与算法发现的编程智能体

在本论文中，我们介绍了 AlphaEvolve —— 一种进化式编程智能体，它显著提升了当前最先进大语言模型（LLMs）在高度复杂任务上的能力，例如解决开放性科学难题或优化关键计算基础设施组件。AlphaEvolve 构建了一个由多个大语言模型组成的自动化工作流程，其任务是通过直接修改代码来改进某一算法。该系统采用进化方法，不断从一个或多个评估器处获取反馈，通过迭代不断优化算法，有望带来新的科学突破和实际应用发现。 我们通过将该方法应用于多个重要的计算问题，展示了其广泛的适用性。在优化 Google 大规模计算堆栈中的关键组件时，AlphaEvolve 开发出一种更高效的数据中心调度算法，发现了硬件加速器电路设计中功能等效的简化方案，并加速了支撑 AlphaEvolve 本身的大语言模型的训练过程。此外，AlphaEvolve 还发现了多种新颖且可被严格证明正确的算法，这些算法在数学和计算机科学中的一系列问题上超越了现有最优解，极大扩展了此前自动化发现方法的能力（参见 Romera-Paredes 等，2023）。值得一提的是，AlphaEvolve 开发出一种新型搜索算法，可用 48 次标量乘法完成两个 4×4 复数矩阵的乘法操作，这是在该领域自 Strassen 算法提出 56 年以来的首次突破。 我们相信，AlphaEvolve 以及类似的编码智能体将在科学与计算的众多领域中，对问题求解方式带来深远影响。