10:50arXiv: Google DeepMind@Robert Dorward本文研究两种极小格 L(m,n)(m×n 盒子中的分区)和 M(n)(至多 n 的不同部分分区)的对称链分解(SCD)计数问题。作者给出了 L(2,n) 的 #SCD 显式公式,该公式基于排列反演集。对于固定 m>1,他们猜想 #SCD(L(m,n)) 和 #SCD(M(n)) 均超指数增长,该猜想由 Google DeepMind 的进化编码代理 AlphaEvolve 生成的数据支持。文章还证明 Lusztig 对合(evacuation)可扩展为 SCD 上的对合,由此推出 n>2 时 #SCD(M(n)) 为偶数。最后,他们引入与 SCD 等价的 skew tableaux 序列,并探讨了通过 tableau 回避寻找 SCD 的路径。论文L(m,n)M(n)对称链分解AlphaEvolveGoogle DeepMind推荐理由:这篇论文给出了 L(2,n) 的对称链分解精确计数公式,并用 AlphaEvolve 数据支持超指数增长猜想,与布尔格的最新结果相呼应。原文
03:37Google DeepMind@GoogleDeepMindGoogle DeepMind 推出 Computational Discovery 智能体原型,结合 AlphaEvolve 与实证研究助手,可并行开发并评分数千种代码变体。该原型旨在大幅缩短复杂领域(如流行病学)新建模方法的测试时间,从通常的数月缩短至数天。这标志着 AI 在科学发现自动化方面迈出重要一步,尤其适用于需要大量模拟和参数优化的研究场景。AI产品智能体科学发现AlphaEvolve流行病学Google DeepMind推荐理由:做流行病学或复杂系统建模的研究者终于有了能并行跑数千种代码变体的工具,测试新方法的时间从数月缩到数天,值得点开看看怎么用。原文
19:09Google DeepMind@GoogleDeepMindGoogle DeepMind 宣布其基于 Gemini 的编码智能体 AlphaEvolve 在过去一年中加速了多个领域的进步,包括量子计算、生物技术、物流和 Google 的 AI 基础设施。该智能体利用算法优化,从自然世界的物理规律到航运路线规划等几乎每个生活方面都有应用。AlphaEvolve 展示了 AI 在解决复杂现实问题中的潜力,标志着编码智能体从实验室走向实际应用的重要一步。AI产品编码智能体GeminiAlphaEvolve量子计算物流优化推荐理由:AlphaEvolve 将 AI 编码能力从理论推向实际产业应用,做科研、物流或基础设施优化的团队可以关注它如何加速你的工作流。原文