Падраздзяленне DeepMind абвясціла пра запуск AlphaEvolve — эвалюцыйнага «суперагента» на базе сямейства моўных мадэляў Gemini 2.0. Сэрвіс здольны генераваць і правяраць дзесяткі тысяч варыянтаў кода, пакуль не знойдзе алгарытм, які пераўзыходзіць чалавечыя рашэнні.
Падраздзяленне DeepMind абвясціла пра запуск AlphaEvolve — эвалюцыйнага «суперагента» на базе сямейства моўных мадэляў Gemini 2.0. Сэрвіс здольны генераваць і правяраць дзесяткі тысяч варыянтаў кода, пакуль не знойдзе алгарытм, які пераўзыходзіць чалавечыя рашэнні.
AlphaEvolve аб’ядноўвае дзве версіі Gemini: хуткую Flash для масавай генерацыі ідэй і больш «глыбокую» Pro для дакладных паляпшэнняў. Кожны фрагмент кода аўтаматычна кампілюецца, запускаецца і ацэньваецца па метрыках дакладнасці, хуткасці і рэсурсаўжывання; найлепшыя варыянты «скрыжоўваюцца» і дапрацоўваюцца ў наступных пакаленнях.
За год унутранага тэставання AlphaEvolve ужо выдаў эўрыстычны планавальнік для Borg, які бесперапынна «вызваляе» ў сярэднім 0,7% агульнай вылічальнай магутнасці воблака Google. Ён таксама перапісаў участак схемы TPU-чыпа, выдаліўшы лішнія біты, і паскорыў ключавое ядро матрычнага множання ў навучанні Gemini на 23%, што скараціла агульны час трэніроўкі мадэляў на 1%.
AlphaEvolve здолеў скараціць колькасць дзеянняў пры множанні двух 4 × 4 комплексных матрыц з 49 да 48, пабіўшы рэкорд, які трымаўся 56 гадоў, і знайшоў яшчэ больш хуткія алгарытмы для трынаццаці іншых памераў матрыц. Увогуле, праверыўшы больш за 50 класічных галаваломак, AlphaEvolve аднавіў найлепшыя вядомыя рашэнні прыкладна ў трох чвэрцях выпадкаў і палепшыў іх у кожным пятым, прычым падрыхтоўка тэставай асяроддзя займала гадзіны, а не тыдні.
Новы сэрвіс стварае цэлыя кодавыя базы, у той час як AlphaTensor (2022) і FunSearch (2023) генеравалі асобныя функцыі. Эксперты лічаць, што камбінаванне эвалюцыйнага пошуку з LLM-творчасцю выводзіць алгарытмічнае праектаванне на новы ўзровень.
Каманда Google рыхтуе інтэрфейс сумесна з People + AI Research і запускае асобную праграму для акадэмічных груп. Патэнцыйныя сферы прымянення агента шырокія — ад аптымізацыі GPU-інструкцый і энергетыкі да матэрыялазнаўства і фармдызайну. Абмежаванне для задач адно: задача павінна мець фармалізаваны крытэр ацэнкі, інакш агенту няма з чым «параўноўваць» мутацыі.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.