（取自DeepMind X）

根據《 IT 之家》 12 月 15 日報導，Google DeepMind 日前公布了一種名為「FunSearch」的模型訓練法，號稱能夠運算包含「上限級問題」、「裝箱問題」在內的一系列「涉及數學、電腦科學領域的複雜問題」。

據悉，FunSearch 模型訓練法主要為 AI 模型引入了一個「評估器（Evaluator）」系統，AI 模型輸出一系列「創意解題方法」，「評估器」則負責評判模型輸出的解題辦法，反復迭代後，就能訓練出數學能力更強的 AI 模型。

Google DeepMind 使用 PaLM 2 模型進行測試，研究人員建立了專用「程式碼池」，使用程式碼形式為模型輸入一系列問題，並設置了評估器流程，之後模型便會在每一次迭代中，自動從程式碼池中挑選問題，生成「具有創造性的新解法」，並交由評估器進行評估，其中「最佳解法」將會被重新加入到程式碼池中，重新開始另一次迭代。

本文為AI新智界授權刊登，原文標題為「谷歌 DeepMind 公佈「FunSearch」訓練法，可令 AI 模型計算複雜離散數學問題」