- 我的订阅
- 科技
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
谷歌deepmind公布ai模型训练法
12月15日消息，谷歌DeepMind日前公布了一种名为“FunSearch”的模型训练法，号称能够计算包含“上限级问题”、“装箱问题”在内的一系列“涉及数学、计算机科学领域的复杂问题”。
▲图源谷歌DeepMind（下同）
据悉，FunSearch模型训练法主要为AI模型引入了一个“评估器（Evaluator）”系统，AI模型输出一系列“创意解题方法”，“评估器”则负责评判模型输出的解题办法，反复迭代后，就能训练出数学能力更强的AI模型。
谷歌DeepMind使用PaLM2模型进行测试，研究人员建立了专用“代码池”，使用代码形式为模型输入一系列问题，并设置了评估器流程，之后模型便会在每一次迭代中，自动从代码池中挑选问题，生成“具有创造性的新解法”，并交由评估器进行评估，其中“最佳解法”将会被重新加入到代码池中，重新开始另一次迭代。
IT之家注意到，FunSearch训练法对“离散数学（Combinatorics）”特别擅长，经训练法锻炼后的模型，可以轻松解决极值组合数学问题，研究人员在新闻稿中便介绍了模型计算“上限级问题（数学中涉及计数和排列领域的一个中心问题）”的过程方法。
此外，研究人员也成功使用FunSearch训练法解决了“装箱问题（BinPackingProblem）”，这是一个“将不同大小物品放进最少数量容器”的问题。
FunSearch为“装箱问题”提供一种即时性的解决方案，生成了一项“根据物品现有体积自动进行调整”的程序，研究人员提到，与其他利用神经网络进行学习的AI训练法相比，经过FunSearch训练法锻炼后的模型，输出的代码更易于检查与部署，也就代表更容易被整合到实际工业环境中。
以上内容为资讯信息快照，由td.fyun.cc爬虫进行采集并收录，本站未对信息做任何修改，信息内容不代表本站立场。
快照生成时间：2023-12-16 09:45:10
本站信息快照查询为非营利公共服务，如有侵权请联系我们进行删除。
信息原文地址：
