MLST 播客:LLM 进化出 Core War 代码,击败 96% 人类选手
Machine Learning Street Talk · youtube · 2026-10-10
Machine Learning Street Talk 邀请 MIT 博士生 Akarsh Kumar(师从 Phillip Isola,与 Sakana AI 合作,FRP 论文一作)聊人工生命与进化搜索。
核心观点
- 反驳「进化只是低配随机搜索」:选择会保留部分解,变异只需约 1% 的时间有用,搜索就能持续进步;学习路径本身会塑造所学知识的结构,这是一种不同于统计视角的智能观。
ASAL:用基础模型做人工生命搜索
- 不预测规则的行为,而是直接跑模拟,让基础模型判断发生了什么。
- 扫描全部 262,144 个 Life-like 规则后发现,最有趣的世界集中在一小片「开放性孤岛」上;节目中还涵盖 Game of Life、Lenia(Bert Chan 出镜)、神经细胞自动机、Boids、Particle Life 与持久性的涌现。
Core War 实验
- LLM 直接写 Redcode 质量很差;但作为进化循环中的变异算子并配合验证器,生成的 warrior 在合计对战中击败或战平 294 个人类作品中的 96%,多轮进化后趋向通用型策略。
所属事件:MIT 博士用 LLM 进化 Core War 汇编代码击败 96% 人类选手(2 条相关)→
「漫话AGI」频道最新
- Figma 创始人 Dylan Field:AI 只降门槛不抬天花板,slop 定义悄悄漂移 — a16z · 2026-10-11
- 研究员吐槽:面试流程的新目标可能是给 AI Agent 收集训练数据 — sh_reya · 2026-10-11
- Pedro Domingos：AI 竞赛没有终点线 — pmddomingos · 2026-10-11
- 研究员自省：AI 编码工具太好用，要不要设「无 AI 日」逼自己写代码？ — BlackHC · 2026-10-11
- 观点：创作天生是回合制的，一笔回应一笔 — teropa · 2026-10-11
- 拟人化偏置或引发「AI 精神病」式集体焦虑 — analisereal · 2026-10-11