主要证据
- Mathematical discoveries from program search with large language modelsS1 · 主要研究来源 · 论文 · 2023-12-14
FunSearch 通过 LLM 引导的程序搜索报告新的 cap set 构造
Google DeepMind 将预训练语言模型、评估器与进化式程序搜索结合，让系统搜索可执行程序，而不是直接生成最终数学答案。
发生了什么？
FunSearch 在有限维与渐近情形中找到超过此前已知结果的 cap set 构造，并在在线装箱问题上找到改进启发式算法。
为什么重要？
该结果提供了一个可检查的具体案例：LLM 生成的代码参与系统化搜索，并改进了一个既有数学问题的已知解空间。
重要性说明：Nature 论文展示了基于 LLM 的搜索闭环在一个既有极值组合问题上产生改进构造，是 AI 辅助数学发现的重要早期参照点。
历史脉络
更早进展
—
后续进展
—
相关里程碑
—
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
- E2 · 研究记录
- AI 角色
- AI 主导、人类核验
- 形式保障
- 无形式保障
贡献与验证
- 数学新颖性
- 新结果
- 接口
- 非形式化, 数值
- AI 贡献
- 语言模型在自动化进化搜索闭环中生成候选程序，确定性的评估器负责筛选与评分。
- 人类贡献
- 研究人员设计搜索流程与评估器，选择数学任务和表示方式，解释发现的程序，并完成科学分析。
- 验证状态
- 论文已发布 · E2 · 研究记录 · 无形式保障
- 最后审阅
- 2026-09-11
技术细节
- 系统
- funsearch
- 机构
- google-deepmind
- 数学问题
- cap-set-problem, online-bin-packing
- 方法
- large-language-models, evolutionary-search, program-search
全部来源与工件
- Mathematical discoveries from program search with large language modelsS1 · 主要研究来源 · 论文 · 访问于 2026-09-10
- FunSearch — Making new discoveries in mathematical sciences using Large Language ModelsS2 · 官方机构来源 · 官方公告 · 访问于 2026-09-10
验证历史
- 2023-12-14 · 论文已发布 · E2 · 研究记录
经同行评审的 Nature 论文与机构官方公告已公开。
更正
当前没有记录的更正。