5月15日，科技媒體 MarkTechPost 昨日（5月14日）報道稱，谷歌 DeepMind 團隊正式推出新一代算法自動化發現系統 AlphaEvolve。該工具基于 Gemini 2.0 大語言模型，融合進化計算與結構化反饋機制，旨在徹底改變傳統算法設計嚴重依賴專家經驗與手動調優的現狀。

與傳統代碼生成器不同，AlphaEvolve 能夠自主構建、評估與迭代算法方案，實現從構造函數到完整算法流程的全自動優化。其架構支持異步分布式運行，覆蓋多種問題類型，既保證效率，也提升了算法生成質量。

AlphaEvolve 的運行核心由四個關鍵組件協同驅動，提示構建器：基于歷史高分程序構建候選提示；Gemini 2.0 Pro + Flash 模型組合：兼顧生成質量與響應速度；評估器：通過自定義評分函數量化方案效果；進化循環機制：以程序數據庫為基礎，在探索與利用之間實現動態平衡。通過該系統，AI 不僅能“寫代碼”，還能在不斷迭代中主動尋找更優解，推動算法質量穩步提升。

在數學研究中，AlphaEvolve 表現出極強的自動化研究能力。官方數據顯示，其在 50 多項公開數學難題中，有超過 75% 重現已知解法，并在 20% 案例中發現更優結果。最具代表性的是，它在11維“接吻數問題”中提出了一種全新球體排布方式，實現了 593 個球體同時接觸中心球體，刷新了該維度下限紀錄。此外，在矩陣計算領域，AlphaEvolve 也展現出突破性成果 —— 成功優化 4x4 復雜矩陣乘法至僅需 48 次標量乘法，超越自 1969 年 Strassen 算法以來的記錄。

DeepMind 表示，AlphaEvolve 特別適用于“可形式化表達+自動評估”的問題類型，例如材料發現、藥物設計、工業流程調優等場景。雖然對依賴現實實驗驗證的問題目前能力有限，但團隊正在嘗試引入語言模型輔助的“定性評估”方法，拓展適用邊界。