DeepMind 借助 AlphaEvolve 改进矩阵乘法理论边界
rohanpaul_ai · x · 2026-08-21
Google DeepMind 利用 AI 工具 AlphaEvolve 改进了矩阵乘法的最佳理论边界。
主要成果：
- 将矩阵乘法指数 ω 从 < 2.371339 推进至 < 2.371177。
- 该改进幅度在过去 40 年的同类研究中具有可比性。
方法细节：
- 团队将证明转化为非凸优化问题，利用 JAX 和并行张量运算重构优化流程。
- 将递归级别从 3 提升至 4，可优化参数从约 2.5 万增至 700 万。
- 梯度下降贡献了约 0.97×10^-4 的改进，AlphaEvolve 通过修改优化代码将总提升增至 1.62×10^-4。
- 结果经过精确有理算术验证。
所属事件:DeepMind 用 AlphaEvolve 刷新矩阵乘法理论上界(2 条相关)→
「研究」频道最新
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- 清华团队证明:普通 Flow Matching 采样无法突破固定深度模型表达力上限 — SQZ · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16