英国谷歌深度思维公司的科学家利用大语言模型（LLM），在一个著名的数学问题上有了新发现。这一方法或可改进LLM用来解决问题和学习新知识的途径。相关研究近日发表于《自然》。

　　基于人工智能的工具有望使科学发现加速，解决长久存在的问题，但它们有时受制于“幻觉”，作出看似合理但错误的陈述。如今，通过加入一个评估步骤，系统地衡量潜在解决方案的准确性，使依靠LLM应对复杂问题成为可能。这些问题一般要求可验证且定义明确，从而使这一工具在数学科学中具有潜在价值。

　　谷歌深度思维公司的Alhussein Fawzi和同事介绍了一种方法，名为FunSearch。他们利用该方法，将一组产生创造性解决方案的LLM和一个作为检查者以避免错误建议的评估程序结合起来。研究人员通过一个多次迭代此过程的演化方法，提供此前最佳的解决办法作为输入来引导LLM，结果表明，这种方法可以得到新的、可验证的正确结果。

　　研究人员将FunSearch应用于数学中涉及计数和排列领域的一个中心问题——上限集问题，发现了超越最著名上限集的大上限集新构造。

　　研究人员表示，FunSearch成功的关键是它会寻找描述如何解决一个问题的程序，而非寻找解决办法。FunSearch的结果是程序，且易于人类解释和验证，意味着该方法有望启发所在领域的进一步思考。他们补充说，这个方法可能还不能应对所有类型的挑战，但改进之后或可使FunSearch应用于更大范围。

原文链接：https://kjt.hebei.gov.cn/www/kxpj22/kjqy89/296459/index.html
[免责声明] 本文来源于网络转载，仅供学习交流使用，不构成商业目的。版权归原作者所有，如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间处理。