DeepMind的AlphaEvolve智能体能自动进化算法代码，表现超越人类专家，无需人工干预。
原文标题：DeepMind新论文炸锅：AI全自动进化算法，写出专家都想不到的解，网友：这可能就是“王牌”
原文作者：AI前线
冷月清谈：
怜星夜思：
2、AlphaEvolve在进化算法时，只开放了“关键决策逻辑”给LLM修改，而保持其他框架固定。这种做法的优缺点是什么？如果完全开放，让LLM从零开始编写算法，结果会如何？
3、有评论认为，AI 应该先给自己设计一套更完善的“伦理引擎”。你认为这种说法是否合理？如果 AI 真的可以自我设计伦理规则，可能会出现哪些问题？
原文内容
说起 AI Coding，之前很多人好歹还有个“心理安慰”：AI 也就写写“脚手架代码”、补补前端页面，真到核心算法、业务逻辑，还是得人来。
但这道“最后防线”，也正在松动。
谷歌 DeepMind 最近做了一件更狠的事：他们让 LLM 驱动的智能体，直接去改写、进化算法代码本身——不是调参数，而是改算法逻辑。
改完就丢进真实博弈环境里反复跑，自动评测、优胜劣汰，一轮轮进化。
结果呢？它真的做出了全新的多智能体学习算法，在多项测试中超过了人类专家手工打磨的版本。
重要的是，这些机制并不直观，属于人类很难靠经验穷举出来的解。
更关键的是：人只用定义好了算法骨架，之后的搜索、修改、筛选，全程自动完成，不用手调参数，不用反复试错，也不靠研究者的直觉微调。
这个智能体叫 AlphaEvolve，延续了 DeepMind 一贯的“Alpha”命名传统（AlphaGo、AlphaZero、AlphaFold）。其中 “Evolve” 意为“进化”，点明它的核心机制：通过类似生物进化的方式不断改写和筛选算法。
这个 AlphaEvolve 本身去年就有，但这是它 第一次被用来学习算法。
它把 Gemini 系列大模型，和进化搜索结合起来，把代码不断生成、测试、筛选、再进化。
DeepMind 把把研究过程和成果写成了一篇 37 页的论文，题为《基于大语言模型的多智能体学习算法自动发现》（Discovering Multiagent Learning Algorithms with Large Language Models），一发出来就炸了技术圈。
有网友看完直呼，这玩意真挺“可怕”的：
“这看起来像是 DeepMind 手中的一张王牌，我认为它可能导致谷歌赢得比赛。”
有人锐评：
“这就像教一个孩子读书，然后看着它自己编写教科书。”
还有人已经开始往更远处想：既然 AI 已经能设计更好的学习算法，那或许它也该先给自己设计一套更完善的“伦理引擎”，在 ASI 真正爆发之前，先把对齐这件事想清楚。
人只选定算法框架，
AI 全自动闭环进化
来展开看看实验设计和操作过程。
需要说明的是，研究团队没有让模型“从零写算法”，而是选定两个 成熟框架：
-
CFR（后悔最小化）：CFR 算法族，依赖递归定义来累积后悔值并构建平均策略。
-
PSRO（策略种群训练）：通过迭代计算最优响应并求解元策略，不断扩展策略种群。
过去，在不完全信息博弈求解（比如扑克）中，像 CFR、PSRO 这些经典算法虽然理论扎实，但真正好用的“升级版”，还是要靠人类专家一点点凭经验调参、改规则、试出来。
然后，研究人员把算法核心逻辑，拆成几个可被改写的 Python 函数，例如：regret 累积规则、当前策略生成方式、平均策略更新规则、PSRO 的 meta-solver 逻辑。
也就是说，他们只开放了“关键决策逻辑”给 LLM 改，其余框架固定。 这一步很关键，相当于给进化定义“基因范围”。
接下来就进入真正的“进化环节”。
AlphaEvolve 把当前算法代码当作“个体”，由 LLM 生成若干语义上有意义的改写版本：不是随便乱改，而是改具体逻辑、控制流或更新规则。
每一个改写后的版本，都会被自动编译、运行，然后丢进一组博弈环境里真实对战，用 exploitability 这样的指标打分。表现更好的版本被保留下来，作为下一轮搜索的基础；表现差的直接淘汰。
整个过程是闭环的：生成 → 运行 → 评估 → 筛选 → 再生成，循环推进。人类不参与中间调参，也不手动筛选，只负责设定规则和评价标准。
图注：这张示意图也是 AI 做的
结果，AI 进化出了两个全新算法。
先看 CFR 这一派。AlphaEvolve 进化出了 VAD-CFR。
AI 没有去调那点小参数，而是直接改了“后悔值怎么累计、怎么打折、什么时候开始平均策略”这些核心逻辑。
比如引入了 volatility-sensitive discounting（根据波动动态折扣）、hard warm-start schedule（前期蓄力、后期发力）这样的机制。
听起来挺抽象的，但效果明显：在多个博弈里，它超过了目前人类手工打磨出来的最强版本。
这张图很直观，展示了多种 CFR 变体在不同博弈环境中的收敛表现。上半部分是用于搜索阶段的训练游戏，下半部分是规模更大、更复杂的测试游戏。
横轴是迭代次数（最多 1000 次），纵轴是 exploitability（越低越接近均衡）。曲线降得越快、越低，说明算法越强。
灰色那条线就是 VAD-CFR。可以看到，在多数游戏里，它下滑得更快、落得更低，明显压过 CFR+、DCFR、PCFR+ 这些人类优化过多轮的版本。
在一些游戏中，大约 500 次迭代之后，曲线像突然“踩了油门”，下降速度明显加快——这正是它预热阶段结束、正式发力的时刻。
前半段像是在默默蓄力，后半段才真正冲刺。
更关键的是，在规模更大、难度更高的测试游戏中，VAD-CFR 依然比传统的 CFR、CFR+、DCFR 等人工设计的算法收敛更快、结果更优，没有出现“只会做模拟题”的情况。
这说明，它不是针对训练游戏做了小技巧，而是在算法结构层面找到了一种更高效的更新方式。
再看 PSRO 这一派：AI 进化出了 SHOR-PSRO 算法。
它做的事情很简单也很大胆：重新设计“元求解器”。
传统方法要么偏探索，要么偏逼近均衡，权衡是固定的。而 SHOR 直接把多种更新机制混合在一起，设计了一种混合型 meta-solver，而且随着训练进程动态调整，让训练过程自动从“多样性探索”过渡到“逼近均衡”。
这张图，展示的就是它和 Uniform、Nash、AlphaRank、PRD、RM 等经典方法的对比。
图中不同颜色代表不同元求解器：Uniform、Nash、AlphaRank、PRD、Regret Matching（RM），以及进化得到的 SHOR（棕色线）。
整张图分为上下两部分。上半部分是训练游戏，下半部分是规模更大、更复杂的测试游戏，用来检验算法是否具有泛化能力。
横轴是 PSRO 迭代次数（最多 100 轮），纵轴是 exploitability（可被利用度，对数坐标）；数值越低，说明算法越接近博弈均衡、表现越好。
可以看到，在多数游戏中，SHOR 曲线下降更快，而且在第 100 次迭代时的 exploitability 更低，说明它在同样迭代次数下更有效地逼近均衡。
尤其是在更复杂的测试游戏中（如 4-player Kuhn、6-sided Liar’s Dice），SHOR 依然保持优势，没有明显退化。
简单说，SHOR-PSRO 在“什么时候多探索、什么时候专注逼近均衡”这件事上，比传统方法更灵活、更聪明。
它不是靠调参数赢的，而是把调度逻辑本身改了。
论文地址：https://arxiv.org/abs/2602.16928
参考链接：
https://x.com/hasantoxr/status/2026371848217456738
https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/?utm_source=chatgpt.com
声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。
