北京12月15日电 (记者 孙自法)国际著名学术期刊《自然》最新发表一篇人工智能研究论文称，研究人员报告了一种方法，他们利用一个大语言模型(LLM)对一个著名的数学问题作出了新发现，并通过系统的、迭代的评估框架确保正确。这一方法或可改进LLM用来解决问题和学习新知识的途径。
该论文介绍，基于人工智能的工具(例如LLM)有望加速科学发现，解决长久存在的问题，但它们有时受制于“幻觉”，导致作出看似合理但错误的陈述。加入一个评估步骤，系统地衡量潜在解决方案的准确性，使得靠LLM帮助应对复杂问题成为可能。这些问题一般需要可验证且定义明确，使这一工具在数学科学中有潜在价值。
论文第一作者和通讯作者、Google DeepMind的Bernardino Romera-Paredes和Alhussein Fawzi与同事及合作者一起提出一种方法，称为FunSearch(因为它搜索函数空间)，将一组产生创造性解决方案的LLM和一个作为检查者以避免错误建议的评估程序结合起来。一个多次迭代此过程的演化方法，通过提供此前最佳解决办法作为输入来引导LLM，结果表明这种方法可以收敛到新的、可验证的正确结果。他们将FunSearch应用到了著名的上限集问题(cap set problem，数学中涉及计数和排列领域的一个中心问题)，发现了超越最著名上限集的大上限集新构造。
论文作者认为，FunSearch的成功关键是它会寻找描述如何解决一个问题的程序，而非寻找解决办法。因为FunSearch的结果是程序，结果易于人类解释和验证，这意味着该方法有望激发该领域的进一步思考。
他们补充指出，目前，这个方法可能还不适合所有类型的挑战，但通过未来改进或可使FunSearch应用于更大范围的问题。(完) 【编辑:张奥林】
国务院国资委：前三季度央企实现净利润逾1.5万亿元，同比增长65.6%
王毅：中方希望国际社会继续鼓励和支持俄乌谈判并为此创造必要环境和条件