DeepMind 開發「AlphaEvolve」，改善 Google 資料中心調度和晶片設計

Google DeepMind 新開發的 AI 新系統「AlphaEvolve」，是一套使用大型語言模型自主發現並系統性地改善演算法的 AI 代理，使它更符合實際需求。

AlphaEvolve 的運作方式結合 2 種 Gemini 模型，其中 Gemini Flash 負責生成多樣化的程式方案，而 Gemini Pro 則對這些方案深入分析。AlphaEvolve 根據準確性、運算效率等客觀指標對各種方案進行評估，選出表現最好的變體，並在循環過程不斷進化。

Google DeepMind 將 AlphaEvolve 描述成測試時運算代理（test-time compute agent），是一種在運行時主動探索和評估新方案的 AI 系統。AlphaEvolve 使用測試時運算主動解決問題以改善結果，與目前的推理模型做法一致，然而 AlphaEvolve 是透過循環過程多次生成、測試及改善整個演算法，整個過程更有效率，過去需要數週進行改善，現在只需幾天的時間就能完成。

AlphaEvolve 已在 Google 多個基礎設施環節加以運用，例如為 Google 的「Borg」管理系統開發出一種新的資源分配方式，平均釋放 Google 全球 0.7% 運算資源。

AlphaEvolve 也幫助優化 Gemini 模型本身，透過改進矩陣乘法的分解方式，使模型訓練時間縮短 1%。在另一案例中，AlphaEvolve 改善 FlashAttention 核心，這是運行大型語言模型的關鍵 GPU 元件，達到最高 32.5% 的性能提升。

AlphaEvolve 成功提高 Google 在資料中心、晶片設計及 AI 訓練流程的效率，甚至包括訓練 AlphaEvolve 自身所採用的大型語言模型。它有助於設計更快的矩陣乘法演算法，為尚未解決的數學問題找出解決方法，凸顯應用在不同領域的可能性。

（圖片來源：Google DeepMind）