Google 的 AI R&D 实验室 DeepMind 表示,他们开发了一种新的 AI 系统,用于处理具有 "machine-gradable"(可由机器评分)解决方案的问题。
DeepMind 表示,在实验中,该系统名为 AlphaEvolve,可帮助优化 Google 用于训练其 AI 模型的一些基础设施。公司表示,他们正在构建与 AlphaEvolve 交互的用户界面,并计划在可能更大范围推广之前,为部分学者推出早期访问计划。
大多数 AI 模型会产生幻觉。由于其概率架构,这些模型有时会自信地编造信息。实际上,新一代 AI 模型(如 OpenAI 的 o3)比其前辈产生更多幻觉,这也反映了该问题的复杂挑战。
AlphaEvolve 引入了一种巧妙的机制以减少幻觉现象:自动评估系统。该系统利用模型生成、评判并综合出一个问题的可能答案池,同时自动评估和打分以判断答案的准确性。
DeepMind 表示,AlphaEvolve 系统的设计目标是供领域专家使用。
AlphaEvolve 并不是第一个采用这种方法的系统。包括几年前 DeepMind 团队在内的研究人员,曾在数学各领域中应用过类似技术。但 DeepMind 声称,AlphaEvolve 所使用的 "state-of-the-art"(最先进)模型——特别是 Gemini 模型——使其相比以前的 AI 系统具有显著更强的能力。
要使用 AlphaEvolve,用户必须向系统输入一个问题,并可选地附上说明、方程、代码片段以及相关文献等详细信息。用户还需要提供一种以公式形式自动评估系统答案的机制。
由于 AlphaEvolve 只能解决其自身能进行评估的问题,该系统仅适用于某些类型的问题——特别是计算机科学和系统优化等领域的问题。另一项主要限制是,AlphaEvolve 只能以算法形式描述解决方案,这使得它对于非数值类问题的适用性较差。
为了对 AlphaEvolve 进行基准测试,DeepMind 让该系统尝试了一组精挑细选的约 50 道数学题,涵盖从几何到组合数学等多个分支。DeepMind 声称,AlphaEvolve 在 75% 的情况下能够“重新发现”这些问题的最佳解答,并在 20% 的案例中找到改进方案。
DeepMind 还将 AlphaEvolve 应用于实际问题,如提高 Google 数据中心的效率及加速模型训练。根据该实验室的数据,AlphaEvolve 生成的一种算法平均可持续回收 Google 全球计算资源的 0.7%。该系统还提出了一项优化措施,将 Google 训练 Gemini 模型的总体时间缩短了 1%。
需要明确的是,AlphaEvolve 并没有带来突破性的发现。在一次实验中,该系统成功找到了优化 Google TPU AI 加速器芯片设计的改进方案——这一问题此前已被其他工具指出。
然而,DeepMind 与许多 AI 实验室一样,主张 AlphaEvolve 能够节省时间,从而释放专家去关注其他更为重要的工作。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。