کد AlphaEvolve گوگل دیپ‌مایند منتشر شد
هوش مصنوعی
گوگل
پایتونخلاصهٔ کامل‌تر
گوگل دیپ‌مایند مخزن AlphaEvolve رو روی گیت‌هاب گذاشته. AlphaEvolve سیستمیه که با کمک مدل‌های زبانی بزرگ، کد برنامه‌ها رو مرحله‌به‌مرحله تغییر می‌ده و بهترش می‌کنه تا برای مسئله‌های سخت ریاضی و الگوریتمی راه‌حل بهتری پیدا کنه. این مخزن همراه مقالهٔ این پروژه منتشر شده.
پوشهٔ /src یه پیاده‌سازی مینیمال از خود AlphaEvolve هست که ارزیابی رو لوکال انجام می‌ده. برای اجراش به Docker و کلید Gemini API نیاز داری. Docker اینجا نقش sandbox رو داره، یعنی کدی که مدل تولید می‌کنه تو یه محیط ایزوله اجرا میشه.
پوشهٔ /omega مربوط به یکی از مهم‌ترین نتیجه‌هاست: یه کرانهٔ بالای جدید برای توان ضرب ماتریس (یعنی عددی که نشون می‌ده ضرب ماتریس در بهترین حالت چقدر سریع می‌تونه باشه). برنامهٔ بهینه‌سازیش رو خود AlphaEvolve تکامل داده. این برنامه با JAX و Haiku یه مدل مشتق‌پذیر می‌سازه و 32 هزار مرحله gradient descent با 32 seed تصادفی اجرا می‌کنه. یه نوت‌بوک Colab هم با حساب کسری دقیق، اثبات رو وارسی می‌کنه.
پوشهٔ /maths راه‌حل‌هایی رو داره که از بهترین نتیجه‌های قبلی جلو زدن، مثل circle packing، مسئلهٔ همپوشانی کمینهٔ اردوش، اعداد بوسیدن (kissing numbers)، مسئلهٔ هیلبرون و cap sets. پوشهٔ /matmul_tensor_decompositions هم تجزیه‌های تانسور ضرب ماتریس رو برای rank استاندارد و support rank نگه می‌داره.
خود دیپ‌مایند هشدار داده که AlphaEvolve کدهایی رو اجرا می‌کنه که مدل زبانی نوشته و این کدها رو باید غیرقابل‌اعتماد حساب کرد. Docker ریسک رو کم می‌کنه ولی صفرش نمی‌کنه. کدها با مجوز Apache 2.0 و بقیهٔ مواد با CC-BY منتشر شدن.
نکات کلیدی:
- پوشهٔ /src نسخهٔ مینیمال AlphaEvolve هست و به Docker و کلید Gemini API نیاز داره.
- /omega کرانهٔ بالای جدید توان ضرب ماتریس رو با نوت‌بوک وارسی دقیق داره.
- بهینه‌ساز /omega با JAX/Haiku، 32 هزار مرحله و 32 seed اجرا میشه.
- راه‌حل 15 مسئلهٔ ریاضی، هر کدوم با نوت‌بوک Colab برای وارسی.
- مجوز کد Apache 2.0 هست و دیپ‌مایند می‌گه این یه محصول رسمی گوگل نیست.
