文章目录一、前言二、主要内容三、总结🍉CSDN叶庭云：https://yetingyun.blog.csdn.net/一、前言科学中有许多难以解决的问题，这些问题难以获得确切解答，但却相对容易进行验证。在数学和计算机科学领域，这类问题被称为NP完全优化问题（NP-completeoptimizationproblems）。人们普遍认为不存在能够在“可接受时间”内（即多项式时间内）解决此类问题的算法，但却存在着能够在“可接受时间”内进行验证或评估的过程，用以衡量所给出解的质量。在DeepMind的这篇论文中，科学家重点讨论了允许使用“有效评估函数”的问题，该函数可用于测量候选解的质量。他们的目标

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”。▲图源谷歌DeepMind（下同）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 DeepMind 使用PaLM2模型进行测试，研究人员建立了专用“代码池”，使用代码形式为模型输入一系列问题，并设置了评估器流程，之后模型便会在