谷歌 deepmind 在 12 月 15 日公布了一种名为“funsearch”的模型训练法。据称，该模型能够解决一系列“涉及数学、计算机科学领域的复杂问题”，包括“上限级问题”和“装箱问题”
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
需要重写的内容是：▲ 图源 谷歌 DeepMind（下同）
FunSearch 模型训练法据悉引入了一个名为“评估器”的系统，该系统用于评判 AI 模型输出的创意解题方法。通过反复迭代，这一方法能够训练出数学能力更强的 AI 模型
Google DeepMind使用PaLM 2模型进行测试，研究人员建立了专用的代码池，通过以代码形式作为模型的输入一系列问题，并设置了评估流程。在每次迭代中，模型会自动从代码池中选择问题，生成具有创造性的新解决方案，并交由评估器进行评估。最佳解决方案将重新加入代码池，开始下一次迭代
FunSearch训练法在IT之家的报道中提到，该方法在“离散数学（Combinatorics）”方面表现出色，经过训练后的模型可以轻松解决极值组合数学问题。研究人员在新闻稿中介绍了模型计算“上限级问题（数学中涉及计数和排列领域的一个中心问题）”的过程方法
可图大模型
可图大模型（Kolors）是快手大模型团队自研打造的文生图AI大模型
32 查看详情 
此外，研究人员也成功使用 FunSearch 训练法解决了“装箱问题（Bin Packing Problem）”，这是一个“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，生成一项“根据物品现有体积自动进行调整”的程序。
研究人员提到，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，也就代表更容易被整合到实际工业环境中。
以上就是DeepMind 公开了 FunSearch 训练法，可以让 AI 模型进行离散数学计算的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/451479.html
微信扫一扫 
支付宝扫一扫 
