编译：Ivy，Haozhen
编辑：Siqi
DeepMind 在今年 5 月发布了 AlphaEvolve 白皮书，人类数学家通过与 AlphaEvolve 合作，在一周内两次刷新了 18 年未破的数学纪录，甚至菲尔兹奖得主陶哲轩也直接参与了 AlphaEvolve 的数学应用探索工作。
此外，AlphaEvolve 还在 Google 内部解决了许多实际问题，比如它将 training infra 中的关键计算模块的运行速度提升了 23%，这一突破性进展也标志着 AI 正在进入自我改进范式。
AlphaEvolve 由 FunSearch 演化而来，核心定位是一个基于 LLM 进化算法和 evaluator 的通用算法发现与优化平台，它不仅能生成代码，还能自主评估这些代码的表现，然后根据评估结果调整策略、迭代生成更好的方案，本质上模拟了"算法自然进化"的过程。
本文是我们结合 AlphaEvolve 的技术博客、核心开发者访谈的深度编译，详细解读了 AlphaEvolve 的运行机制以及对未来的影响：
• AlphaEvolve 真正的突破在于它能够持续进行高强度、长时间的探索与优化，从而能真正挖掘出在高难度问题中极具价值的发现；
• AlphaEvolve 团队认为，让 AI 实现更深层次、更广泛的自我改进是完全可行的，核心在于能否构建出有效的 evaluator，evaluator 的质量将成为 AI 解锁更高级的自我改进能力的关键；
• 未来，人类的价值将在目标设定和规则制定中体现得更加深刻，比如在 AlphaEvolve 中，衡量解决方案优劣的关键机制，即 evaluator，将是人类智慧的体现。
......
💡 目录 💡
01 AlphaEvolve 是什么？
02 AlphaEvolve 的关键组件是 evaluator
03 AI 正在进入自我改进范式
04 如何重新定义科学发现的边界？
01.
AlphaEvolve 是什么？
