Google旗下人工智能实验室DeepMind宣布推出全新AI系统AlphaEvolve，目标针对具备“可机器评分”特性的问题进行优化求解。根据官方说法，AlphaEvolve已成功应用于Google内部AI训练基础架构的优化任务，并将开放给部分研究人员进行早期测试。

当前主流AI模型普遍面临“幻觉问题”（hallucination），即模型可能生成看似合理但实际错误的答案。这一点在如GPT-3等大型语言模型中尤为明显，甚至因其架构复杂，幻觉发生机率反而更高。

DeepMind为此引入一项创新机制：自动评估架构。AlphaEvolve不仅产生多种候选答案，还能自行对这些答案进行筛选与打分，最终挑出最准确的解法，某种程度上具备“自我纠错”能力。

这类技术并非首次出现，DeepMind早在几年前就曾于数学问题中运用类似方法，不过官方强调，AlphaEvolve内置的是新一代Gemini模型，性能远超先前系统。

虽然技术听起来突破性十足，但AlphaEvolve有明显限制：

系统只能处理“可公式化自我评估”的问题，因此仅适用于如计算机科学、优化理论、算法设计等领域。

最终输出结果只能是算法或数学表示，不适用于开放性或非结构性问题（如语言理解、政策推论等）。

用户在使用AlphaEvolve时，除了输入问题本身外，还需提供对应的评估标准，通常以数学公式或可计算条件定义，让系统能自动判断解法优劣。

在内部测试中，DeepMind让AlphaEvolve解题约50题，范围涵盖几何、组合数学等领域，系统能在75%的题目中“重新发现”现有最优解，并在20%的案例中进一步提出改良版本。

此外，AlphaEvolve也被应用在Google实际业务中，如提升数据中心性能、加速模型训练等任务。据DeepMind表示，这套系统所提出的资源调度算法，已为Google回收了全球约0.7%的计算资源，并让Gemini模型的训练时间缩短了1%。

需要强调的是，目前AlphaEvolve尚未做出前所未见的重大发现。举例来说，系统在针对Google TPU加速芯片的优化提案中，其建议内容其实早已由其他内部工具标记过。

不过DeepMind强调，AlphaEvolve的价值在于大幅节省专家处理重复性任务的时间，让人类研究者能更专注于策略规划与创新发展，并期望该技术未来可成为辅助科研的关键伙伴。