FunSearch：利用大型语言模型在数学科学中进行新发现
内容提要
FunSearch是一种利用大型语言模型（LLMs）在数学和计算机科学中寻找新解的方法。它结合预训练的LLM和自动评估器，迭代生成程序，发现了数学中的新算法，如“帽子集问题”和“装箱问题”。该方法不仅能产生有效解决方案，还能提供可解释的解决过程，展示了人类与AI协作的潜力，未来有望在多个领域带来新发现和应用。
关键要点
-
FunSearch是一种结合预训练的大型语言模型（LLM）和自动评估器的方法，用于在数学和计算机科学中寻找新解。
-
该方法通过迭代生成程序，发现了数学中的新算法，如帽子集问题和装箱问题。
-
FunSearch不仅能产生有效解决方案，还能提供可解释的解决过程，展示了人类与AI协作的潜力。
-
FunSearch的进化方法促进并发展最高评分的想法，生成的程序可以自动运行和评估。
-
在帽子集问题上，FunSearch发现了过去20年中最大的帽子集，超越了现有的计算求解器。
-
在装箱问题上，FunSearch生成的程序在使用更少的箱子装载相同数量的物品方面表现优于传统启发式算法。
-
FunSearch的输出程序不仅提供解决方案，还描述了如何得出这些解决方案，增强了可解释性。
-
该方法展示了人类程序员与LLM的协作潜力，能够在组合竞赛编程中提升人类表现。
延伸问答
FunSearch是什么？
FunSearch是一种结合预训练的大型语言模型和自动评估器的方法，用于在数学和计算机科学中寻找新解。
FunSearch如何解决帽子集问题？
FunSearch通过生成程序发现了过去20年中最大的帽子集，超越了现有的计算求解器。
FunSearch在装箱问题上有什么优势？
FunSearch生成的程序在使用更少的箱子装载相同数量的物品方面表现优于传统启发式算法。
FunSearch如何提高可解释性？
FunSearch输出的程序不仅提供解决方案，还描述了如何得出这些解决方案，增强了可解释性。
FunSearch的进化方法是怎样的？
FunSearch使用进化方法，通过迭代生成程序，促进并发展最高评分的想法，形成自我改进的循环。
FunSearch对人类程序员的协作有什么影响？
FunSearch展示了人类程序员与大型语言模型的协作潜力，能够在组合竞赛编程中提升人类表现。
