进化算法驱动科学发现

进化算法驱动科学发现是指利用进化算法筛选和优化AI生成的候选方案，从而在科学和数学领域实现自主发现的技术范式。

核心机制

"LLM生成候选+进化选择+反馈迭代"闭环：首先由LLM提出数千个候选方案，再通过进化算法筛选出高潜力子代，最后用形式验证器与基准测试进行反馈强化。

代表性实现

• [[AlphaEvolve]]：在100个经典开放问题上的解决率达42%，而此前人类专家团队平均仅18%。

意义

进化算法驱动科学发现标志着AI从"辅助工具"向"自主科学发现者"的跃迁，是2026年AI技术五大主线之一。