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 组合数学 心理治疗师 操作系统 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
小马甲应助Peng采纳,获得50
刚刚
aiyu发布了新的文献求助30
刚刚
FashionBoy应助圆圆采纳,获得10
刚刚
NexusExplorer应助zhang采纳,获得10
1秒前
段ddd发布了新的文献求助10
1秒前
clovers完成签到,获得积分10
3秒前
皇帝的床帘应助英俊丹秋采纳,获得30
3秒前
yang发布了新的文献求助30
4秒前
万能图书馆应助努力学习采纳,获得10
4秒前
6秒前
7秒前
香蕉觅云应助CR7采纳,获得10
7秒前
贪玩香芦完成签到,获得积分10
11秒前
xuhan应助Meihi_Uesugi采纳,获得20
11秒前
恰逢其时而已完成签到 ,获得积分10
12秒前
听白发布了新的文献求助10
12秒前
13秒前
思源应助wanci采纳,获得10
15秒前
WZJ发布了新的文献求助10
16秒前
LYY发布了新的文献求助10
16秒前
16秒前
Fisher发布了新的文献求助10
17秒前
18秒前
xiaofei666应助韵竹采纳,获得30
18秒前
hswhswqkdh应助俏皮的映易采纳,获得10
19秒前
20秒前
菲菲菲菲完成签到,获得积分10
20秒前
bkagyin应助优美语风采纳,获得10
20秒前
子车茗应助殷启维采纳,获得10
21秒前
吡啶应助贪玩香芦采纳,获得10
21秒前
菲菲菲菲发布了新的文献求助10
23秒前
23秒前
乐多发布了新的文献求助10
24秒前
斯文败类应助小青采纳,获得10
24秒前
25秒前
Fisher完成签到,获得积分10
25秒前
28秒前
王大壮完成签到,获得积分10
28秒前
orixero应助菲菲菲菲采纳,获得10
28秒前
萧羽完成签到,获得积分10
28秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
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 3160894
求助须知:如何正确求助?哪些是违规求助? 2812133
关于积分的说明 7894461
捐赠科研通 2470993
什么是DOI,文献DOI怎么找? 1315830
科研通“疑难数据库(出版商)”最低求助积分说明 631036
版权声明 602068