摘要
一句话总结 Google DeepMind 推出的 FunSearch 框架通过将数学问题转化为代码函数，结合大语言模型和自动评估器，实现了数学问题解决方案的自动生成与自我迭代优化。
关键点
- 核心成果：FunSearch 是 Google DeepMind 利用大语言模型（LLM）在数学领域取得的重大突破，实现了模型自主提出并验证数学问题解决方案。
- 命名由来：其前提条件是将数学问题描述为计算机代码中的“函数”（Function），这也是名称中“Fun”的来源。
- 系统架构：主要由三部分组成：大语言模型（基于现有代码生成创新解决方案）、评估器（防止错误或幻觉，评估并筛选最佳结果）和程序池（保存被评估器选出的最优代码）。
- 迭代机制：系统通过“从程序池选出程序 → LLM加工创新 → 评估器自动评估 → 最佳程序重回程序池”的循环，形成自我提升的闭环。
- 优化原理：借助代码和评估器，FunSearch 实现了类似 AlphaGo 的自动训练优化机制，持续驱动 LLM 解决问题。
- 相似案例：其工作思路与 Jim Fan 团队开发的 Voyager（GPT-4 自动玩 Minecraft）高度一致，均采用了“LLM生成代码 - 验证器执行校验 - 优秀代码存入库”的模式。
- 应用前景：这种“LLM - 代码 - 验证器”的框架被认为在未来具有广泛的创新应用潜力。
正文
FunSearch 是 Google DeepMind 最近利用大语言模型在数学领域的一个重大成果，甚至于你能从中看出前不久传闻中的 Q* 的影子，因为它本质上是实现了大语言模型自己提出解决数学问题的方案，并自己去验证解决方案。
它有一个前提条件，就是需要将数学问题描述成计算机代码“函数”，这就是 FunSearch 中“Fun”的由来，也就是“Function”。
下图很清楚的描述了 FunSearch 的工作原理。
展示 FunSearch 过程的图解，包括代码截图、网络结构和带有勾选和叉号的图形。
FunSearch 主要由几个部分组成：
- 大语言模型：根据现有代码，提出创新性的解决方案，生成新的代码
- 评估器：防止错误或虚构的结果，评估生成的结果，选择最好的结果
- 程序池：保存已经生成好的并且评估器评选的最好的代码
FunSearch 是一个循环迭代的过程。在每一轮中：
- 系统会从现有程序池选取若干程序，交由 LLM 加工。
- LLM 在这些程序的基础上进行创新，生成新程序，并自动对它们进行评估。
- 表现最佳的程序将被重新加入程序池，形成一个自我提升的循环。
借助代码和评估器，FunSearch 就类似于 Alpha Go 的训练那样，实现了一套自动训练优化的机制，让 LLM 提出新的解决方案，持续不断地优化解决方案，最终解决问题。
另外如果你记得 Jim Fan 他们做过的 GPT-4 自动玩 Minecraft 的 Voyager https://twitter.com/DrJimFan/status/1662115266933972993，原理也是类似的：把 Minecraft 的操作转换成代码，GPT-4 生成技能代码，生成后去 Minecraft 中执行校验，优秀的技能代码最终保存到技能库。思路惊人的相似。
Voyager 完整的数据流设计，这个设计能在一个庞大的 3D 世界中推动终身学习的进行，而且不需要任何人工干预。
感觉这个（LLM - 代码 - 验证器）框架以后可以有越来越多的有创新的应用场景！
相关文章：《FunSearch：利用大语言模型在数学科学领域探索新奇发现 [译]》
相关文档
- 使用 Gemini Deep Think 加速数学与科学发现；关联理由：版本演进；说明：同属 Google DeepMind 的数学发现方向，体现了从 FunSearch 程序搜索到研究级推理与验证智能体的阶段性演进。
- 新论文：《WebVoyager: Building an End-to-End Web Agent with Large Multimodal Models》；关联理由：观点一致；说明：两文都采用“模型生成方案 + 外部执行/验证 + 反馈迭代”的闭环机制来提升复杂任务求解能力。