发生了什么？
AlphaEvolve 通过 LLM 生成代码变异、自动评估器与进化选择，在多个数学和计算任务上发现超过此前最佳结果的算法，其中包括使用 48 次标量乘法完成 4×4 复矩阵乘法的方案。
为什么重要？
AlphaEvolve 使算法与数学对象发现不再只是一次性的专用演示，而更接近一种可复用的 Agent 科研范式，尤其适用于具有客观自动评估器的问题。
重要性说明：AlphaEvolve 将“生成器 + 自动评估器”的发现范式从专用系统推广为通用代码 Agent，并报告在多个问题上发现新的精确算法与数学构造。
证据与状态一览
- 重要性
- H1 · 历史里程碑
- 验证状态
- 论文已发布
- 证据等级
- E3 · 可检查工件
- AI 角色
- AI 主导、人类核验
- 形式保障
- 有形式化工件
如何理解这些标签？ →
贡献与验证
- 数学新颖性
- 新算法
- 接口
- 符号, 数值, 混合
- AI 贡献
- LLM 提出代码修改，进化循环依据自动评估器选择更优候选；人类负责定义任务、提供评估器并解释所得发现。
- 人类贡献
- 研究者设计进化 Agent、定义优化问题与评估器、验证发现的算法，并分析哪些输出构成真正改进。
- 验证状态
- 论文已发布 · E3 · 可检查工件 · 有形式化工件
- 最后审阅
- 2026-09-11
技术细节
- 系统
- alphaevolve, gemini
- 机构
- google-deepmind
- 数学问题
- matrix-multiplication, mathematical-construction-search
- 方法
- evolutionary-search, llm-code-generation, automated-evaluation, algorithm-discovery
