AlphaEvolve 作为面向算法优化的 Agentic 系统正式进入谷歌云

谷歌云宣布了AlphaEvolve的私有预览版，这是一款由 Gemini 提供支持的编码 Agent，旨在发现并优化复杂工程和科学问题的算法。该系统现在可以通过谷歌云上的早期访问计划获得，其目标是那些由于巨大的搜索空间而导致传统蛮力或手动优化方法难以应对的场景。

AlphaEvolve围绕一个反馈驱动的演进循环构建。用户需要定义一个具体的问题规范、作为基准的真实评估函数以及一个即便效率不高但已能解决问题的初始种子程序，然后，Gemini 模型会生成此代码的变体，并自动进行评估。性能更高的变体将被选中、组合并在后续迭代中进一步变异。随着时间推移，这一过程会将原始实现进化为更加高效的算法。

在技术上，该系统结合了具有不同角色的多个 Gemini 模型。速度更快的模型用于探索大量的候选突变（mutation），而能力更强的模型则专注于深入推理和细化。评估层完全由用户自定义，允许 AlphaEvolve 针对像运行时间、内存使用量、数值准确性或特定领域的约束等可测量的目标进行优化。这种生成与验证之间的分离对于使该方法适用于生产级的工作负载至关重要。

谷歌指出，AlphaEvolve 在多个领域取得了显著成果。在数据中心运维中，它识别出了能够平均恢复全球计算容量 0.7%的调度策略。在模型训练领域，它优化了 Gemini 架构的一个关键组件，使得执行时间减少了 23%，整体训练时间大约减少了 1%。此外，该系统还被用于硬件设计中，以识别未来 TPU 代次更高效的算术电路。

此次发布引发了社区的讨论。云计算和基础设施专家 Sergio Vargas强调了这种方法的广泛影响：

LLM 提出修改意见，然后评估其影响，这种反馈循环的概念非常有吸引力。感觉就像是从静态代码助手转向真正的算法研究伙伴。我特别好奇的是，在预览版中看到的效率提升主要体现在时间复杂度、内存使用还是可能的并行化方面？

其他人则关注系统的架构本身。Sathyanarayanan Vittal询问了 AlphaEvolve 集成中使用了哪些模型，据猜测可能是多个 Gemini 3 实例并行运行，以便更有效地探索解决方案空间。

AlphaEvolve 目前可通过谷歌云上的早期访问 API 获得。谷歌还发布了一篇技术论文，详细介绍了底层方法和内部结果，为评估该系统以用于高级优化工作负载的团队提供了更深入的见解。

原文链接：

AlphaEvolve Enters Google Cloud as an Agentic System for Algorithm Optimization