AlphaEvolve：Gemini 驱动的智能算法进化引擎
DeepMind 于 2025 年 5 月 14 日发布了 AlphaEvolve，这是一款革命性的智能体（Agent），旨在利用大语言模型（LLMs）的创造力与自动化评估器，在数学和现代计算领域自主发现并优化高级算法。
如果说之前的 AlphaGeometry 证明了 LLM 可以解决特定的科学问题，那么 AlphaEvolve 则将这一能力推向了更复杂的层面——它不仅生成单个函数，而是能够进化整个代码库，开发极其复杂的算法。
核心架构：双模型协同与进化循环
AlphaEvolve 的核心在于其独特的进化框架，该框架将 LLM 的创造性与严格的客观评估相结合：
-
双模型协同策略：系统采用一个模型组合（Ensemble）。
- Gemini Flash：作为速度最快的模型，负责最大化探索想法的广度（Breadth）。
- Gemini Pro：作为最强大的模型，提供关键的深度（Depth）和富有洞察力的建议。
- 两者共同协作，生成实现算法解决方案的计算机程序代码。
-
自动化评估与进化：生成的程序会被自动运行、评分，并通过客观指标验证其准确性。基于这些量化结果，系统利用进化算法决定哪些程序应进入下一代提示词，从而持续迭代优化。
实际价值：重塑 Google 的计算生态
AlphaEvolve 的成果已直接应用于 Google 的核心基础设施，产生了显著的效率提升：
- 数据中心调度优化：AlphaEvolve 发现了一种启发式算法，帮助 Borg 更有效地调度 Google 庞大的数据中心。该方案已量产运行超过一年，平均持续回收 0.7%的全球计算资源，在相同的计算足迹下完成更多任务。
- 硬件设计加速：在 TPU（Tensor Processing Unit）设计中，AlphaEvolve 提出了一种 Verilog 重写方案，移除了矩阵乘法电路中不必要的比特。该提案通过了严格的验证，确保功能正确性，展示了 AI 与硬件工程师协作的新范式。
- AI 训练与推理提速：
- 通过优化矩阵乘法操作，将 Gemini 架构中的关键内核（Kernel）速度提升了 23%，使训练时间减少了 1%。
- 在基于 Transformer 的模型中，对 FlashAttention 内核的底层 GPU 指令优化，实现了高达 32.5% 的速度提升。
- 将原本需要数周的人工内核优化工作缩短至数天的自动化实验。
迈向数学与算法的新前沿
除了工程应用，AlphaEvolve 还在探索数学领域的未知边界。它能够基于极简的代码骨架，设计复杂的基于梯度的优化（Gradient-based optimization）程序组件，解决长期悬而未决的开放性问题。
"AlphaEvolve 将大语言模型的创造力与自动化评估器相结合，利用进化框架来改进最有希望的思路。" —— AlphaEvolve 团队
AlphaEvolve 不仅是一个工具，更是 AI 从"辅助编程"向"自主科研"演进的重要里程碑，为开发者、研究人员以及企业级应用提供了前所未有的算法创新途径。
