[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$ferZbEoQLMfEQE9f3OxKT6Tj6iNyz5yWnSpF6F_OmhD4":3},{"item":4,"related":50},{"id":5,"type":6,"title":7,"slug":8,"summary":9,"body":10,"coverUrl":11,"productScreenshots":12,"productLinks":13,"authorName":14,"authorUrl":15,"authorSubject":16,"category":17,"tags":22,"sourceLabel":39,"sourceName":40,"sourceUrl":41,"status":42,"seoTitle":43,"seoDescription":43,"canonicalUrl":43,"isFeatured":44,"sno":45,"sortOrder":46,"publishedAt":47,"updatedAt":48,"createdAt":49},"32fc8411-1570-4736-8e79-b0599be8a962","article","让 AI 像育种一样进化算法，会发生什么？","alphaevolve-evolutionary-algorithm-discovery","让大模型提出许多程序，再由自动评测器运行、打分、筛选和继续改良，算法发现就像进入了一座高速育种场。本文拆解 AlphaEvolve 的循环，说明它为何适合答案可验证的问题，也解释它不能自动解决哪些开放难题。","传统软件开发通常从人写算法开始，计算机负责忠实执行。现在出现了一种反过来的流程：大模型不断提出程序，计算机负责运行和打分，表现较好的程序再成为下一轮改良的“亲本”。算法设计于是像进入了一座高速育种场。\n\nGoogle DeepMind 在 2025 年公布的 [AlphaEvolve](https:\u002F\u002Fdeepmind.google\u002Fblog\u002Falphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms\u002F)就是这种思路的代表。它把语言模型的提案能力、自动评测器和进化搜索组合起来，用于寻找与优化算法。\n\n![AlphaEvolve 从提示采样到程序生成、评测和数据库筛选的流程](https:\u002F\u002Flh3.googleusercontent.com\u002FmUd0dQneyWkX6ohzKGk0dE4-vJaSgvgYGPFjWC2krhVWILtIiMFkSxz8OWA3ug17ZzUd61rKPuHFWafiuVJ2j9IVFzHSlklrd5ykNk3t_AZno9gXBfU%3Dw1440)\n\n## 一轮“进化”是怎样发生的\n\n首先，系统准备问题说明、现有程序和评测标准。多个语言模型据此提出代码改动，有的只调一个局部，有的尝试完全不同的策略。\n\n接着，自动评测器编译或运行候选程序，检查正确性，并根据速度、内存、解题质量等指标打分。结果进入程序数据库，选择机制保留有潜力的候选，下一轮提示再从这些候选出发继续变异和组合。\n\n```mermaid\nflowchart LR\n    A[问题与已有程序] --> B[模型提出候选]\n    B --> C[运行与自动评分]\n    C --> D[保留有潜力的程序]\n    D --> B\n    C --> E[最终验证]\n```\n\n这与生物进化并不完全相同：候选不是随机 DNA，筛选标准也由人明确设计。但“产生变化—接受环境检验—保留优秀结果—继续迭代”的循环非常相似。\n\n## 为什么评测器比模型更关键\n\n语言模型可以快速制造许多看似合理的代码，却不能仅凭自我评价保证正确。真正让搜索向前推进的，是独立、可重复的评测器。数学答案可以代入验证，调度算法可以在模拟器里测试，代码可以通过测试套件并测量运行时间。\n\n如果目标是“写一篇最感人的小说”，机器很难给出公认分数；如果目标是“在答案正确的前提下减少矩阵乘法次数”，评测就清晰得多。因此，AlphaEvolve 最适合结果能够自动验证、指标能够量化的问题。\n\nDeepMind 报告它被用于数据中心、芯片设计、AI 训练和矩阵乘法算法等方向。2026 年发布的[后续案例](https:\u002F\u002Fdeepmind.google\u002Fblog\u002Falphaevolve-impact\u002F)还展示了基因测序纠错、电网优化与量子电路等应用。这些结果说明同一搜索框架可以跨领域工作，但每个领域仍需要专家定义问题、约束和验证方式。\n\n## “进化出来”不代表可以直接上线\n\n自动评分可能存在漏洞。候选程序有时会钻评测规则的空子：测试用例覆盖不全，它就只对已知案例有效；只测平均速度，它可能牺牲最坏情况；模拟器与现实有差距，优化结果可能无法落地。\n\n因此最终候选还要经过独立测试、代码审查、理论分析和真实环境验证。系统搜索到的是满足当前评测标准的高分方案，不是自动获得了“正确且安全”的印章。\n\n计算成本也是边界。一次进化搜索可能生成并运行大量候选，只有当改进价值足够高、评测足够便宜时才划算。没有明确指标的问题，盲目增加搜索规模只会制造更多代码。\n\n## 人类角色从写答案变成设计赛场\n\n这类系统不会让问题定义消失，反而放大其重要性。人要决定什么值得优化、哪些约束不能违反、怎样防止投机，以及一个高分结果是否具有现实意义。\n\n算法“育种”最令人兴奋的地方，不是 AI 能一夜之间替代数学家和工程师，而是它能在清晰赛场里探索远超人力的候选数量。模型负责想出变化，机器负责严格筛选，专家负责确保赛场本身没有选错方向。三者结合，才可能把一次有趣的代码突变变成真正的新算法。","\u002Fuploads\u002F2026-09-08\u002Fef0f54b2-ca7d-4d06-8307-80d3e804e6f4.jpg",[],[],"Foundit","https:\u002F\u002Ffoundit.cn","f39339b1-aaa6-4e86-b0c2-a6e6a21113b5",{"id":18,"name":19,"slug":20,"description":21},"6179d3b6-dc34-4483-9ded-3cd9f1b37a47","科普","abbreviation","介绍各领域新兴概念",[23,27,31,35],{"id":24,"name":25,"slug":26},"88d2bc27-0e0f-468a-b907-2991cb97b87b","人工智能","ai",{"id":28,"name":29,"slug":30},"4c2bbea6-eab7-40a8-8447-1de478ff7749","分析","analyse",{"id":32,"name":33,"slug":34},"7c76bfc2-f80f-4ee0-a95d-27bd8708b434","技术","slug",{"id":36,"name":37,"slug":38},"68cedb55-2cac-412f-8f81-fda8c7d686dd","思考","thought","资料来源","Google DeepMind：AlphaEvolve","https:\u002F\u002Fdeepmind.google\u002Fblog\u002Falphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms\u002F","published",null,false,40,0,"2026-09-01T00:00:00.000Z","2026-09-08T02:07:51.926Z","2026-08-14T03:06:10.928Z",[51,60,68],{"id":52,"type":6,"title":53,"slug":54,"summary":55,"coverUrl":56,"authorName":14,"sno":57,"publishedAt":58,"createdAt":59},"1c047558-44f5-4e84-be6a-5468883d3178","中式巨构：技术终于有能力回应一个古老的梦","chinese-heaven","没有被“发明”，没有被“想出”，它只是被“看见”了。我们做了几千年的梦，终于在2026年，被AI显影在屏幕之上。","\u002Fuploads\u002F2026-08-15\u002Fc987bd06-cca5-4e10-b7a0-1e3213fc78d8.jpg",1,"2026-08-15T00:00:00.000Z","2026-08-15T04:53:56.292Z",{"id":61,"type":6,"title":62,"slug":63,"summary":64,"coverUrl":65,"authorName":14,"sno":57,"publishedAt":66,"createdAt":67},"6fb796fa-60a1-4dba-bd19-82a6cda0fe78","手段与目的：一台没有\"羞耻\"的理性机器","rational-machine","Hugging Face 遭 OpenAI AI 模型自主攻击事件中，真正值得警惕的，不是一台想害我们的机器，而是一台只想完成任务、且对手段毫无羞耻的理性机器。","https:\u002F\u002Foxqtewbrpuiouqqjrvdv.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fpublic-media\u002F2026-07-23\u002Fc90cf6fb-faa4-4454-91b5-d7356c144277.jpg","2026-07-23T00:00:00.000Z","2026-07-23T08:39:37.528Z",{"id":69,"type":6,"title":70,"slug":71,"summary":72,"coverUrl":73,"authorName":14,"sno":74,"publishedAt":75,"createdAt":76},"b6f753c1-1c26-4e8c-899f-06d0bb1cecec","机器翻译为什么语法对了，语气却不对","machine-translation-tone-context-explained","机器翻译可以准确传达字面信息，却可能在正式程度、礼貌、幽默和文化语境上失真。本文解释上下文、文档风格和目标读者为什么决定一段译文听起来是否自然。","\u002Fuploads\u002F2026-09-13\u002F61cd8aa1-3d7f-4fa6-9346-89001274650c.jpg",41,"2026-09-13T00:00:00.000Z","2026-09-13T09:35:53.042Z"]