大型言語モデルによるプログラム検索による数学的発見
Bernardino Romera-Paredes1, Mohammadamin Barekatain2, Alexander Novikov2
1Google DeepMind, London, UK. brp@google.com.
大型言語モデル (LLM) は FunSearch を使って科学的な発見をすることができます.これは,LLM と評価器を組み合わせて,複雑な問題を解くための進化的方法です.
科学分野:
- 人工知能
- コンビネタリック
- コンピュータ科学
背景:
- 大型言語モデル (LLM) は複雑なタスクに優れているが,しばしば混同され,科学的な応用が制限されます.
- 現存するLLMアプローチは,不正確さのために科学的発見と闘っています.
研究 の 目的:
- 科学的発見のためのLLMの能力を高めるための進化的手順であるFunSearchを導入します.
- FunSearchの有効性を実証する.
主な方法:
- 進化論的な探求に際して 体系的な評価者とのペアリング
- FunSearchを極限コンビネタリック (キャップセット問題) とアルゴリズム問題 (オンライン・ビン・パッキング) に適用する.
主要な成果:
- 限られた次元と非対称的なケースの両方で大きなキャップセットのための新しい改良された構造を発見した.
- 既存のベースラインを上回る オンライン・ビン・パッキングの新たなヒューリスティックを特定した.
- 問題を解くために解釈可能なプログラムを生成するFunSearchの能力を示しました.
結論:
- FunSearchは,LLMが確立された科学分野において重要な発見を行うことを可能にします.
- このアプローチは,LLMの混乱を克服し,科学的アプリケーションの信頼性を高めます.
- FunSearchは AIによる科学的発見のための 拡張可能で解釈可能な方法を提供します
さらに関連する動画
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
05:15The Spatial Memory Game: Testing the Relationship Between Spatial Language, Object Knowledge, and Spatial Cognition
Published on: February 19, 2018
関連する概念動画
Theorems of Pappus and Guldinus: Problem Solving
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Statically Indeterminate Problem Solving
Language and Cognition
Castigliano's Theorem: Problem Solving
Machines: Problem Solving II
