DeepMind 发布 AlphaEvolve：用进化算法+自研 evaluator，让 AI 像生物一样自我迭代。陶哲轩一周内两破 18 年纪录，谷歌训练 infra 提速 23%。关键不在模型多强，而在人类如何造“裁判”——一旦 evaluator 够准，AI 就能无限逼近最优解。
DeepMind 在今年 5 月发布了 AlphaEvolve 白皮书，人类数学家通过与 AlphaEvolve 合作，在一周内两次刷新了 18 年未破的数学纪录，甚至菲尔兹奖得主陶哲轩也直接参与了 AlphaEvolve 的数学应用探索工作。
此外，AlphaEvolve 还在 Google 内部解决了许多实际问题，比如它将 training infra 中的关键计算模块的运行速度提升了 23%，这一突破性进展也标志着 AI 正在进入自我改进范式。
AlphaEvolve 由 FunSearch 演化而来，核心定位是一个基于 LLM 进化算法和 evaluator 的通用算法发现与优化平台，它不仅能生成代码，还能自主评估这些代码的表现，然后根据评估结果调整策略、迭代生成更好的方案，本质上模拟了”算法自然进化”的过程。
本文是我们结合 AlphaEvolve 的技术博客、核心开发者访谈的深度编译，详细解读了 AlphaEvolve 的运行机制以及对未来的影响：
- AlphaEvolve真正的突破在于它能够持续进行高强度、长时间的探索与优化，从而能真正挖掘出在高难度问题中极具价值的发现；
- AlphaEvolve团队认为，让AI实现更深层次、更广泛的自我改进是完全可行的，核心在于能否构建出有效的evaluator，evaluator的质量将成为AI解锁更高级的自我改进能力的关键；
- 未来，人类的价值将在目标设定和规则制定中体现得更加深刻，比如在AlphaEvolve中，衡量解决方案优劣的关键机制，即evaluator，将是人类智慧的体现。
01.AlphaEvolve 是什么？
AlphaEvolve 的核心在于进化算法
今年 5 月，Google 发布了最新的 AI 系统 AlphaEvolve，它结合了 Gemini 模型的创造性问题解决能力与自动化的 evaluator，具备发现和设计全新算法的能力。
AlphaEvolve 白皮书
值得注意的是，AlphaEvolve 的核心在于进化算法，通过不断的迭代与优化，逐步开发出性能更好的程序，从而攻克包括算法在内的不同领域的难题。
进化算法（evolutionary algorithm）是一类受生物进化过程启发的优化和搜索算法，通过模拟“适者生存”的原理，在一群候选解（称为“种群”）中，迭代地寻找问题的最优解或近似最优解。
Evaluator 是一种自动化系统，用于对 AI 的输出信息或行为进行质量评估与反馈，帮助 AI 判断“什么是好的”，从而实现自我优化和自我改进。
目前 AlphaEvolve 不仅成功提升了 Google 数据中心的运行效率，还优化了芯片设计流程，加速了 AI 模型训练，AlphaEvolve 自身的模型训练进程也因此加快。此外，AlphaEvolve 还在如何设计更快的矩阵乘法算法和为开放性数学难题寻找全新解法等问题上取得了突破，显示出了在多个领域的应用潜力。
AlphaEvolve 整体架构
一直以来，如何让 AI 学会自主发现新算法都是一个关键课题，因为算法早已融入了我们生活的方方面面。这一探索的源头可追溯至 AlphaGo。当时 AlphaGo 击败了围棋世界冠军，依靠的是它能很快地推演棋盘上所有可能的变化，并找出最好的落子方法。这一突破让许多围棋专家和科学家都感到很意外，因为他们曾认为 AI 在围棋上超越人类还需要很长时间。
但 AlphaGo 有力地证明了，大规模神经网络系统能够在巨大的搜索空间中进行高效地推理和探索，并能为特定领域带来意想不到的全新见解。比如在围棋领域，AI 就下出了著名的第 37 手，这是由 AI 发现的极具创造性的新招法。
第 37 手（move 37） 指的是 AlphaGo 对战李世石时下出的震惊棋界的五路碰，以颠覆性的选点著称。
Google 前员工对 AlphaEvolve 的评价
沿着这个思路，如果把 agent 在围棋中高效搜索的理念迁移到算法空间，用来直接探索算法本身，会发生什么？
正是在这一设想上的探索，促使了 AlphaTensor 的诞生。AlphaTensor 最初的切入点是一个极其重要、无处不在的基础算子：矩阵乘法，矩阵乘法在计算机科学、神经网络、机器学习以及 AI 等不同领域都发挥着重要作用。
矩阵乘法是一个非常基础的运算方法，人们曾长期认为它的时间复杂度是立方阶。1969 年，德国数学家 Volker Strassen 提出了一种巧妙的矩阵乘法算法，首次降低了复杂度。2022 年，AlphaTensor 通过强化学习，在高维搜索空间中发现了之前没有发现的高效算法。
2022 年 AlphaTensor 发布，这是一个基于 RL 的 AI 系统，专门用于解决矩阵乘法等具体的基础计算问题。它首次证明了，AI agent 可以自主发现比人类现有成果更优、结构完全不同的新算法。因此，AlphaTensor 成为了首个有力支持“AI 有能力在算法发现上超越人类”这一观点的系统。
AlphaTensor 发现新算法
不过，AlphaTensor 是一套专门为矩阵乘法优化的系统，只能在一个特定、有限的操作空间中进行搜索，因此，如何让 AI agent 能在更广泛的领域中继续发挥“超人类”的能力，就成了急需解决的问题。这也正是 FunSearch 诞生的契机。
FunSearch 最初发布于 2023 年 12 月，是一个将 LLM 和 evaluator 结合起来的 agent，evaluator 允许 LLM 提出新的猜想或产生解决问题的新想法，在这种特殊情况下，LLM 的幻觉甚至都是有帮助的，因为一些幻觉可能是之前人类没有想到的新见解。
虽然当时模型能力有限、方法也比较初级，但 FunSearch 却意外地找到了长期以来数学家都没有发现的全新算法，也就是说 FunSearch 首次证明了 AI 能够提出全新的解决方案，不过它仍需要人类先设定一个算法模板，模型才能在这个框架内搜索。
FunSearch 运行流程
而 AlphaEvolve 本质上正是 FunSearch 进一步的演化。因为 AlphaEvolve 去除了对算法模板的依赖，具备更强的自主性。它不仅能探索大规模、复杂的算法结构，还能在更少的函数调用下，通过更高效的搜索策略，更快地发现高质量的新算法，能力远超最初的 FunSearch。
为什么人类没有发现 AI 提出的更优解法？
AI 展现出的能力正在帮助工程师打破常规思维，发现全新解决方案。与此同时，AI 背后的机制也值得我们思考，尤其是当 AI 能在一些具有重大意义的问题上（如提升矩阵乘法效率）提出更优解法的时候：为什么这些更好的方法，过去一直没被人类发现？
这个问题可以从问题本身的复杂性和 AI 整体发展历程这两个角度来解读。
在问题的复杂性上，以前文提到的 Volker Strassen 在 50 多年前提出的矩阵乘法算法为例，这个算法结构非常精巧，但仅适用于 2×2 矩阵。当问题规模扩大时，搜索空间将变得异常庞大，算法构造方式也越发不直观，问题的解法几乎不可能被偶然发现，也不是人类自然思维的产物。
在 AI 整体发展历程上，AlphaEvolve 所攻克的问题，不论是数学理论中的矩阵乘法，还是实际工程中的关键系统优化，一直以来都吸引着大量顶尖人类研究者的深入研究与持续改进。比如矩阵乘法是计算科学领域公认的难题，人类已经研究了几十年；而在 Google 内部，那些关键 infra 也早已在工程团队的多轮打磨下达到高度优化的状态。
因此，AlphaEvolve 能在这些已被人类深度优化过的领域取得新突破，这本身就说明了两个关键点：
1. 这确实是真正意义上的全新突破，不然的话，这些优化早就被人类实现了；
2. 这个突破的实现难度极高，即使有众多优秀人类研究者的长期努力，也未能攻克。
AlphaEvolve 如何帮助 Google 构建更高效的数字生态系统
AlphaEvolve 运行机制类似自然界的进化过程
然而，AlphaEvolve 在算法优化上的突破，并不意味着人类在矩阵乘法或数据中心优化等关键问题上的研究就失去了意义，相反，这一成果恰恰直观展示了 AI 是如何推动算法领域的进步的。
以优化数据中心调度（data center scheduling）为例，我们可以看到 AlphaEvolve 是如何从初始代码开始逐步优化、最终演进为一个可以节省数百万美元电费的解决方案的。
整个实现过程的核心在于用户对问题的精准定义。使用 AlphaEvolve 的关键前提是用户必须提供一个被称为 evaluator 的核心组件。这个组件扮演着重要的“裁判”角色：对于系统生成的每个候选解决方案，它都能进行客观、量化的效能评估。简单来说，用户通过 evaluator 定义了什么是优秀的解决方案。
左图：AlphaEvolve 针对 Google 的任务负载和资源容量定制的函数；
右图：评估函数的可视化结果，黄色区域表示评分较高，紫色区域表示评分较低
在数据中心调度优化的场景中，evaluator 通常是一个已经存在的调度模拟器。这个模拟器能够接收不同的调度算法，模拟它们在实际环境中的运行效果，并输出关键性能指标。正是这种评估能力构成了创新的基础，因为任何实质性的改进都需要依赖可靠的手段来验证真实效果。
一旦用户通过 evaluator 明确了问题边界，AlphaEvolve 便能智能地推动解决方案的生成。它既可以根据用户的指令，从零开始进行完全自主且富有创造性的探索，提出全新的解法；也可以在用户提供的、经过长期优化的初始解决方案的基础上，进一步迭代优化。
数据中心调度案例采用的正是后一种策略，将现有、成熟的调度算法作为优化的起点。核心工作机制在于高层次的协同融合：LLM 负责发挥创造力，提出创新性的改进方案，用户提供的 evaluator 则作为严格的筛选标准，精确评估每个解决方案的效果，剔除无效方案。整个过程被嵌入到一个进化算法的框架中，实现持续优化与迭代。
AlphaEvolve 的目标就是能够全面探索解法空间，避免陷入特定类型的局部最优，同时保留潜在方案的多样性。更关键的是，它能够在持续优化过程中整合不同方案中的关键思想，实现解法的渐进演化，最终生成足以支撑关键 infra 部署的高性能算法。
AlphaEvolve 运作流程
总的来说，AlphaEvolve 的运行机制类似自然界的进化过程。生物进化过程的本质就是在继承和变异中持续趋近于一个更优状态。
对于 AlphaEvolve 来说，它在每一轮迭代中，都会基于前一代的最优个体，即当前最佳解决方案，进行优化。具体来说，AlphaEvolve 会通过重组当前最佳方案里的要素，或是引入全新的、具有突破性的构想，来生成性能更强大的下一代解决方案。因此，每一轮迭代都会推动解决方案整体性能的代际跃迁，使结果更加接近全局最优的那个目标。
但 AlphaEvolve 这种运作规模与迭代特性需要解决两个核心问题：
1. AI 如何适应不同规模与难度的问题；
2. AI 迭代次数应该如何预测。
而这两个问题也正是 AlphaEvolve 的优势所在。
首先，AlphaEvolve 有强大的规模适应性。AlphaEvolve 能够根据问题的内在难度，智能地调整自身探索的深度与广度。当问题本身相对简单，甚至难度可能被高估了的时候，AlphaEvolve 往往能以极快的速度收敛，几乎瞬间就能给出可行的解决方案。
但当挑战那些公认的难题，比如困扰科学界数十年的开放性问题，或涉及在 Google 核心业务上实际应用的算法优化时，AlphaEvolve 会投入更长的计算时间，进行更深入的空间探索与更复杂的思路融合。虽然“运行时间越长，结果越好”是一个常识，但在实际应用中，打造一个能够在长时间运行过程中保持稳定、高效，并能持续取得进展的自动化 agent，其实是一项极具挑战性的技术任务。
AlphaEvolve 真正的突破也就在于它能够持续进行这种高强度、长时间的探索与优化，从而真正产生在高难度问题中极具价值的发现。
此外，预测达成目标所需的具体迭代次数也是一个极大的挑战。有时，一个看似简单的问题可能实际上非常复杂，需要耗费大量计算资源；而另一些看似困难的问题，却可能存在意想不到的捷径。AlphaEvolve 的价值在于，它不需要用户对迭代次数有精确预判，用户只需持续运行系统，AlphaEvolve 就会驱动解决方案不断优化。
例如，在优化 Google 的 computational infra 的过程中，AlphaEvolve 就是系统性地识别并挖掘了潜在的改进空间。这表明，AlphaEvolve 不仅能提升单一模块的性能，更具备在整个技术栈中实现高价值突破的潜力。
为此，开发团队着重拓展了 AlphaEvolve 在多个技术层级的应用，并在发布的白皮书中展示了 AlphaEvolve 在提升数据中心效率、优化硬件设计、增强关键软件性能等方面的实际成果。这也进一步体现了开发团队的核心理念：AlphaEvolve 是一个真正通用的工具，具备跨越整个技术栈的广泛适用性。
AlphaEvolve 白皮书
目前，AlphaEvolve 已经在 Google 内部被用于解决多种实际问题，但还有大量复杂的计算难题有待攻克。开发团队认为未来会有越来越多依靠 AlphaEvolve 实现的成果涌现出来。
02.AlphaEvolve 的关键组件是 evaluator
引入强大的 evaluator 作为质检官
当前，越来越多的普通开发者开始使用 coding agent，但有一个待解决的问题是，这些 agent 在面对相对琐碎的问题时，常常会“迷失方向”，难以自主找到可靠方案。而 AlphaEvolve 的出现，为解决这一难题提供了一个重要思路。
通常，人们通过自然语言向 agent 下达指令，例如要求 agent 尝试用 X 完成 Y，但这往往只是部分信息，而非完整描述，因此 agent 据此生成的代码结果可能碰巧正确，也可能存在错误，关键在于用户如何判断结果是否正确。
AlphaEvolve 能发挥出很大作用的关键就在于引入了一个强大的 evaluator 来充当严格的质量检测官。
首先，AlphaEvolve 在探索过程中会不断涌现出创造性的想法，这难免产生错误，即幻觉，由于人们无法预判结果的正误，evaluator 在这个过程中就显得尤为关键。对于每个新想法，AI 会进行以下验证：
- 详尽测试：在模拟器或海量实例上运行，检验结论的适配性；
- 全局验证：确保方案在整个目标问题上有效，而非仅适用于局部。
接下来，AI 会对生成的方案进行智能筛选，这正是 AlphaEvolve 的巧妙之处。AlphaEvolve 能够提出多样化的解决方案，evaluator 会严格筛选这些方案，淘汰无效或低效的方案，保留有创意的方案。随后，AI 会进一步整合这些优质方案中的核心思路，不断迭代优化，最终产出强大且可靠的算法。
虽然当前 AlphaEvolve 主要依赖程序化的 evaluator，还没有与人类产生交互，但在某些特定情境下，引入人类评估者可能是有价值的。例如，当 AlphaEvolve 针对一个数学问题生成多个性能相似的算法时，如何选出最佳的那个算法，就可能需要人类介入，因为这不仅涉及算法性能，还涉及算法是否优雅、是否易于理解等主观性较强的人类评价维度。
但 AlphaEvolve 在某些领域能否脱离物理实验，单凭算法推动科学发现的边界，还取决于 evaluator 与现实的贴合程度。如果算法被认为完全可靠，那么实验室验证就不是必须进行的了，但一旦算法和现实之间存在偏差，就需要将结果与现实世界的实验反馈相匹配。
未来 LLM 自身可以成为 evaluator
虽然当前 AI agent 在执行任务时受限于 evaluator 的能力，即它们能否很好判断一个方案是否有效、是否优越，但 AlphaEvolve 也为突破这些限制提供了两个思路。
首先，虽然 AlphaEvolve 这类 agent 确实高度依赖精确的 evaluator，但这也恰恰凸显了这类 agent 的核心价值，因为这意味着，如果我们能针对一个关键问题构建出极其精准的 evaluator，那么这类 agent 就有潜力发现远超人类能力的解决方案。AlphaEvolve 之所以能取得成功，关键就在于它所应用的问题本身已经有明确的、可量化的评估标准。
而且模型本身有可能协助构建更优秀的自动化 evaluator，因此，开发更精确、能覆盖更多领域的 evaluator 是一个值得重点投入的方向。
其次，构建精确的 evaluator 并不是最重要的，未来最重要的是如何降低对完美 evaluator 的依赖。在实际应用中，用户往往难以像专业的产品经理那样清晰地表达需求，很多时候只能用模糊的自然语言向 coding agent 描述任务。这时，AI 就需要通过不断地与人协作来澄清需求，或者依赖有效的任务跟踪机制来推进工作。
有一种可行的路径就是利用 LLM 自身来进行评估。例如，LLM 可以判断一个解决方案是否有前景，或者指出其中存在的具体问题。DeepMind 推出的 AI co-scientist 项目就是一个有力的例证：它让语言模型对自然语言提出的想法进行有意义的分析和判断，从而成功区分出优劣。这表明，LLM 本身可以成为评估的重要工具。
DeepMind 的 AI co‑scientist 是由多个基于 Gemini 2.0 的 AI agent 组成的协同系统，目的是协助科研人员从海量文献中生成、评估、推演科学假说，从而加速药物重定位和生物医学发现。该工具已在斯坦福大学和帝国理工的肝纤维化实验中验证了 AI 的建议策略具备潜在抑制效果，展示了 AI 在科学研究中的价值。
AI co-scientist 概览
上述两种方案看起来就像是处于两个极端，一端是精准、严格的评估机制，能够提供具体明确的评分；另一端则是基于 LLM 的自然语言评价，但介于两者之间的，还有模拟器和各种辅助评估的函数。尽管这些方法可能并不完美，但只要它们与真实目标存在一定关联，就可以借助进化算法等，围绕这些不完美的 evaluator 不断迭代优化。尽管过程可能需要更多轮次，但依然有可能带来实质性的进展，比如，AlphaEvolve 的 evaluator 就不是完美的。
模拟器指的是一个可交互的虚拟环境，能模拟现实世界或特定系统的行为，可以用来训练和评估 agent 在其中的表现。它允许 AI 在无需现实成本的情况下进行大量试验与学习。
但模拟器通常只在特定问题上有效。要验证解决方案的普适性或特定属性（如“始终满足某种性能”），可能需要额外工作，比如引入一个“证明 agent”来尝试形式化验证。
值得一提的是，agent，尤其是采用进化策略（即利用种群进行搜索）构建的 agent，在大规模搜索方面非常高效。它们能在广阔的解空间中探索，为那些困扰人类多年甚至数十年的重要问题，找到出人意料的创新方案。
当没有模拟器时，基于 LLM 的 evaluator 可以审视解决方案并对它的质量进行推测。这种方法在实践中已被证明非常有效，比如 DeepMind 的 AI co-scientist 采用多 agent 协作，让 agent 自己判断哪些假设在新颖性、重要性和影响力上更优，从而确定优先级。令人惊讶的是，这种机制最终产生的结果，超越了基础大模型单独生成的能力。这意味着，通过精心设计，人们确实能够引导 agent 发现超越模型原始能力的新知识。
03.AI 正在进入自我改进范式早期阶段
目前，AlphaEvolve 已展现出强大的自我改进能力，比如在 Google 的 training infra 中，成功将关键计算模块的运行效率提升了 23%，优化了训练流程，使得下一代模型（如 Gemini）的训练变得更加高效。
这一突破性进展标志着 AI 可能正在进入递归式自我改进范式，这将影响技术演进的核心路径。
不过，我们也需要清晰认识到当前成果的缺陷：这种进步主要体现在效率层面，而非模型在认知能力上的根本突破。有一个重要但还没有得到验证的问题是：优化训练流程是否不仅能加快训练速度，还能显著提升底层模型在关键认知任务中的表现？这也是该领域未来值得深入探索的重要方向。
此外，目前 AI 自我改进的反馈周期相对较长。AlphaEvolve 对 training infra 的优化效果主要是体现在下一代模型的训练过程中的，这意味着反馈周期可能长达几个月，因此，虽然 AlphaEvolve 展现了 AI 自我改进的能力，但距离实时、紧密的递归循环还有一定差距。
但理论上，实现更深层次、更广泛的 AI 自我改进是完全可能的，关键在于能否设计出高效且可靠的 evaluator，比如 evaluator 需要能准确判断某个改进方案是否真的会产生预期中的良好结果。目前没有理由认为这样的 evaluator 是无法构建的，但需要持续的研究投入和工程努力。Evaluator 的质量是实现更高级的 AI 自我改进能力的关键。
值得注意的是，AlphaEvolve 展示了 AI 自我改进并非只有一种路径，而是有多种潜在的发展方向：
- 一次性突破：AI的自我改进可能仅获得一次显著提升，之后会停滞不前；
- 收益递减：AI的自我改进能够持续发生，但每次提升的幅度会逐渐减小，最终趋近于某个能力上限；
- 持续累积突破：AI的自我改进不断发生，且提升效果持续放大，形成指数级的增长潜力。
AI 的自我改进最终会遵循哪种模式，或者是否会出现其他未曾预料的方式，科学家尚无法给出确切的答案。
04.如何重新定义科学发现的边界？
AlphaEvolve 重塑科学研究的范式
推动科研进步的重要方向之一就是利用 AI 加速知识发现与创新。目前，AlphaEvolve 主要专注于数学和计算机科学领域，因为这些学科本身拥有强大的自动化评估机制，能够高效地判断各种方案的优劣。
但这并不是 AlphaEvolve 能力的边界，比如在生物学或化学领域，我们在设计新分子的时候也可以利用模拟器或预测模型构建 evaluator，从而预测候选方案的效果。只要具备这样的评估机制，AlphaEvolve 就具备应用潜力。而且，AlphaEvolve 的进化之路仍在继续，开发团队正致力于提升它的能力和通用性，未来，AlphaEvolve 能在多个科学领域有广泛的应用。
从更深层次看，科学探索的本质是“搜索”，也就是寻找合适的结构、解决方案或候选对象等。虽然传统科研常依赖偶然发现，但科学家们始终在努力提高这一过程的效率。如今，科研正朝着更加“理性化”的方向发展，计算方法与可量化的评估机制变得更加重要。
科学的“理性化”指的是用逻辑、证据和系统化的方法来解释自然现象，排除感性、迷信或传统权威的影响，将世界视为可以理解和控制的对象。
这也正是 AlphaEvolve、FunSearch 等 AI agent 的价值所在：它们能够在广阔、有时甚至是反直觉的解空间中进行高效搜索，并充分利用评估机制，帮助科学家深入挖掘原本难以触及的复杂可能性，从而大幅拓展探索的边界。因此，这不仅是技术层面的突破，更代表着以 AlphaEvolve 和 FunSearch 等为代表的 AI agent 技术正在持续重塑整个科学研究的方式，标志着由 AI 驱动的科学方法正在发生根本性转变。
AlphaEvolve 更像是人类在实践中的协作伙伴
随着自动化评估和 AI 驱动的搜索技术逐步进入现实世界中的实验室，人类科学家和工程师的核心角色也面临重新定义。
首先，人类的价值将更加集中地体现在目标设定和规则制定上。在 AlphaEvolve 的运行中，evaluator 这一核心机制正是人类智慧的体现。它不仅仅是一个简单的性能衡量指标，更是对解决方案需要满足的多重属性和复杂约束的系统性表达。
以药物研发为例，科学家必须明确设定一系列关键条件，比如药效、成本控制、无细胞毒性、副作用可控以及可行的递送机制等。这些复杂的需求有些会被纳入评估标准，有些需要转化为具体的约束条件，并被准确传达给 AlphaEvolve 等 AI agent，确保 agent 在庞大的搜索空间中构建方案时始终遵循这些原则。
在这个过程中，人类还需要拥有深厚的专业直觉与洞察力，能够给 AI 提供关键线索与合理的起点，帮助 AI 聚焦搜索方向，从而提高探索效率并减少无效尝试。
值得注意的是，虽然 AlphaEvolve 拥有自主运行的能力，但在实际应用中，它常以强大协作伙伴的角色出现。AlphaEvolve 的独特之处在于，它寻找的不是单一的答案，而是生成解决方案的算法本身。相比一个静态结果，这种能“揭示构建方法”的能力更有价值，因为它展现了问题背后的逻辑与思维方式。
代码可解释性也正是 AlphaEvolve 与人类能够协作的关键因素之一，这意味着 AlphaEvolve 生成的代码和程序是人类可读的、可理解的，具备高度透明性。开发团队的亲身经历表明，这些代码往往呈现出人类熟悉的风格，但其中的步骤组合和逻辑结构却常常令人意外。正是这种可解释性，让科学家和工程师可以直接审查 AI 生成的代码，深入理解工作原理，并据此做出是否部署的决策。
比如，数学家们会认真研究 AlphaEvolve 输出的代码，分析其中的结构与策略，逐步理解那些每一步背后的意图，进而了解整个解法为什么会有效。这种过程不仅是技术的应用，更是一种人与 AI 共同参与的知识探索过程，推动人类对问题本质有更深的理解。
这与依赖“黑箱”神经网络模型做关键决策形成了鲜明对比，后者往往只能依赖信任，而 AlphaEvolve 的输出让人类可以在清晰理解的基础上掌握最终判断权。
有一个有趣的例子是 AlphaEvolve 与数学家 Jordan Ellenberg 合作解决上限集（Cap Set）问题时，AlphaEvolve 不仅找出了有效解法，更通过算法结构揭示出了数学家此前未曾察觉的对称性，带来了全新的数学见解。
推广 AlphaEvolve 的挑战在于 evaluator 的构建和计算资源的高要求
虽然 AlphaEvolve 目前主要在 Google 内部使用，但开发团队希望 AlphaEvolve 未来能够被更广泛的群体使用。为此，团队发起了“信任测试员”计划，面向公众征集真实应用场景案例，希望能够了解 AlphaEvolve 在实际问题中能够发挥怎样的作用，以及在什么样的使用方式下能释放出最大的潜力。
尽管 AlphaEvolve 目前必须具备明确且可操作的评估机制来判断方案优劣，但这项计划可以帮助团队积累宝贵的使用经验，这些反馈也将直接影响未来的产品设计和策略。
但推广 AlphaEvolve 的挑战不仅在于如何构建合适的 evaluator，还包括 AlphaEvolve 对计算资源有较高的要求。因为 AlphaEvolve 的运行方式并非一次性调用模型即可完成任务，而是需要反复生成、评估大量候选方案。问题越复杂、解空间越大，所需的计算量也越多。对于简单问题，它可能在短时间内就能得出有效结果；而面对复杂任务，则可能需要进行成千上万次试验。
因此，团队接下来的关键任务之一是构建一个高效、可扩展的整体系统，让更多用户能够充分体会到 AlphaEvolve 的能力，同时不被高昂的资源消耗所限制。
作者【海外独角兽】，微信公众号：【海外独角兽】
相关文章
