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
