Mathematical discoveries from program search with large language models

启发式 计算机科学 概括性 集合(抽象数据类型) 可扩展性 秩(图论) 空格(标点符号) 功能(生物学) 人工智能 数据科学 理论计算机科学 机器学习 程序设计语言 数学 操作系统 组合数学 心理治疗师 生物 进化生物学 数据库 心理学
作者
Bernardino Romera‐Paredes,Mohammadamin Barekatain,Alexander Novikov,Matej Balog,Manish Kumar,Emilien Dupont,Francisco J. R. Ruiz,Jordan S. Ellenberg,Pengming Wang,Omar Fawzi,Pushmeet Kohli,Alhussein Fawzi
出处
期刊:Nature [Springer Nature]
卷期号:625 (7995): 468-475 被引量:48
标识
DOI:10.1038/s41586-023-06924-6
摘要

Abstract Large language models (LLMs) have demonstrated tremendous capabilities in solving complex tasks, from quantitative reasoning to understanding natural language. However, LLMs sometimes suffer from confabulations (or hallucinations), which can result in them making plausible but incorrect statements 1,2 . This hinders the use of current large models in scientific discovery. Here we introduce FunSearch (short for searching in the function space), an evolutionary procedure based on pairing a pretrained LLM with a systematic evaluator. We demonstrate the effectiveness of this approach to surpass the best-known results in important problems, pushing the boundary of existing LLM-based approaches 3 . Applying FunSearch to a central problem in extremal combinatorics—the cap set problem—we discover new constructions of large cap sets going beyond the best-known ones, both in finite dimensional and asymptotic cases. This shows that it is possible to make discoveries for established open problems using LLMs. We showcase the generality of FunSearch by applying it to an algorithmic problem, online bin packing, finding new heuristics that improve on widely used baselines. In contrast to most computer search approaches, FunSearch searches for programs that describe how to solve a problem, rather than what the solution is. Beyond being an effective and scalable strategy, discovered programs tend to be more interpretable than raw solutions, enabling feedback loops between domain experts and FunSearch, and the deployment of such programs in real-world applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
不能当饭吃完成签到,获得积分10
1秒前
nsk发布了新的文献求助10
2秒前
kiska完成签到,获得积分10
3秒前
wqy完成签到 ,获得积分10
3秒前
cathy-w完成签到,获得积分10
3秒前
PUTIDAXIAN完成签到,获得积分10
3秒前
激动的乐安完成签到 ,获得积分10
3秒前
4秒前
4秒前
daisy完成签到,获得积分10
4秒前
吴帆发布了新的文献求助10
5秒前
Zhjie126完成签到,获得积分10
6秒前
陈尹蓝完成签到 ,获得积分10
6秒前
林林完成签到,获得积分10
7秒前
Mera完成签到,获得积分10
7秒前
7秒前
qiqi完成签到,获得积分10
7秒前
小飞侠应助科研通管家采纳,获得10
7秒前
Akim应助科研通管家采纳,获得10
8秒前
西里应助科研通管家采纳,获得30
8秒前
我是老大应助科研通管家采纳,获得10
8秒前
司空以蕊完成签到,获得积分10
8秒前
王雨薇应助科研通管家采纳,获得10
8秒前
SinU应助科研通管家采纳,获得1000
8秒前
王雨薇应助科研通管家采纳,获得10
8秒前
英俊的铭应助科研通管家采纳,获得10
8秒前
FashionBoy应助科研通管家采纳,获得10
8秒前
杨杨杨完成签到,获得积分10
8秒前
Jasper应助呆萌棒棒糖采纳,获得10
9秒前
创创完成签到,获得积分10
10秒前
10秒前
三三得九完成签到 ,获得积分10
11秒前
Singularity应助hanhan采纳,获得20
11秒前
一个土豆完成签到,获得积分10
11秒前
西音发布了新的文献求助10
12秒前
冷冷暴力完成签到,获得积分10
12秒前
爱健身的小海豹完成签到,获得积分10
12秒前
司空以蕊发布了新的文献求助20
12秒前
13秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099895
求助须知:如何正确求助?哪些是违规求助? 2751334
关于积分的说明 7613172
捐赠科研通 2403314
什么是DOI,文献DOI怎么找? 1275235
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053