谷歌DeepMind发布FunSearch训练法:解决数学和计算机科学领域的复杂问题

大模型之家讯 近日,谷歌DeepMind公布了一种名为“FunSearch”的模型训练法,据称能够解决一系列涉及数学和计算机科学领域的复杂问题,包括“上限级问题”和“装箱问题”等。

FunSearch模型训练法通过引入一个“评估器(Evaluator)”系统,使AI模型能够输出一系列“创意解题方法”,并由评估器对解题方法进行评判。通过反复迭代,这种方法能够训练出数学能力更强的AI模型。

谷歌DeepMind使用PaLM 2模型进行测试,并建立了专用“代码池”,通过代码形式为模型输入问题,并设置评估器流程。在每一次迭代中,模型会自动从代码池中挑选问题,生成新的解题方法,并交由评估器进行评估。其中,“最佳解法”将被重新加入到代码池中,开始另一次迭代。

据研究人员介绍,FunSearch训练法特别擅长解决“离散数学(Combinatorics)”问题。经过训练法锻炼后的模型,可以轻松解决极值组合数学问题。同时,研究人员也成功使用FunSearch训练法解决了“装箱问题(Bin Packing Problem)”,这是一种将不同大小物品放进最少数量容器的问题。FunSearch为“装箱问题”提供了一种“即时性”的解决方案,即根据物品现有体积自动进行调整的程序。

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,也更容易被整合到实际工业环境中。这一成果为AI在数学和计算机科学领域的应用提供了新的可能性。

原创文章,作者:志斌,如若转载,请注明出处:http://damoai.com.cn/archives/2578

(0)
上一篇 2023年12月18日
下一篇 2023年12月19日

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注