☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
12 月 15 日消息,谷歌 deepmind 日前公布了一种名为“funsearch”的模型训练法,号称能够计算包含“上限级问题”、“装箱问题”在内的一系列“涉及数学、计算机科学领域的复杂问题”。

需要进行改写的内容是:▲ 图源:谷歌DeepMind(以下简称DeepMind)
据悉,FunSearch 模型训练法主要为 AI 模型引入了一个“评估器(Evaluator)”系统,AI 模型输出一系列“创意解题方法”,“评估器”则负责评判模型输出的解题办法,反复迭代后,就能训练出数学能力更强的 AI 模型。
谷歌的DeepMind使用PaLM 2模型进行测试,并建立了一个专用的“代码池”,用代码的形式输入一系列问题,设置了评估器流程。之后,模型会自动从代码池中挑选问题,在每次迭代中生成“具有创造性的新解法”,并提交给评估器进行评估。其中,“最佳解法”将重新加入到代码池中,开始另一轮迭代
本站注意到,FunSearch 训练法对“离散数学(Combinatorics)”特别擅长,经训练法锻炼后的模型,可以轻松解决极值组合数学问题,研究人员在新闻稿中便介绍了模型计算“上限级问题(数学中涉及计数和排列领域的一个中心问题)”的过程方法。

而且,研究团队还利用FunSearch训练技术成功解决了“装箱问题(Bin Packing Problem)”。这个问题是指如何用最少的容器来装下不同大小的物品。FunSearch提供了一种实时解决方案,并生成了一个程序,可以根据物品的实际体积自动进行调整

研究人员提到,与其他利用神经网络进行学习的 AI 训练法相比,经过 FunSearch 训练法锻炼后的模型,输出的代码更易于检查与部署,也就代表更容易被整合到实际工业环境中。
以上就是谷歌 DeepMind 公布的“FunSearch”训练法:让 AI 模型能够解决复杂离散数学问题的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号