模型自主发现算法：AlphaResearch在2/8开放问题上击败人类研究者

 在算法设计这种高度依赖经验、洞察与启发式思维的任务上，传统观点认为 AI 只能做优化器。

但 AlphaResearch的出现，让这一假设出现松动。

它不仅能够在特定数学任务上超越人类专家，独立发现未知知识，这意味着语言模型可以作为科研主体。

字节跳动+耶鲁大学+纽约大学+清华大学联合发布的论文表示，AlphaResearch通过构建双研究环境，首次实现了LLM在开放算法问题上的自主发现，并在部分任务中超越人类最佳记录。

论文链接：https://arxiv.org/pdf/2511.08522

项目链接：https://github.com/answers111/alpha-research

双轨环境破解LLM的创新性死循环

传统方法存在根本矛盾：执行验证系统能确保代码运行，但可能收敛于无科学意义的解；纯创意生成系统则易产出不可行的想法。

AlphaResearch的突破在于融合两种路径

1. 执行验证环境：语言模型提出算法后立即进入代码执行、性能检测、自动调参等流程，通过代码解释器实时检验生成程序的符合性与性能
2. 评审奖励环境：AlphaResearch-RM-7B用2.4万条ICLR评审意见训练，形成一个科研价值判断器，对生成思路进行新颖性和文献对齐度评分

AlphaResearch通过迭代生成想法 → 验证 → 优化的闭环，使LLM具备持续进化能力

圆packing算法实现“超人类”突破

在AlphaResearchComp基准的8个问题中，AlphaResearch以2/8的胜率击败人类研究者。

其最显著成就是圆packing问题（目标：在单位正方形内放置n个不重叠圆，最大化半径和）

1. n=26时，AlphaResearch将半径和提升至2.636，超越人类记录的2.634（David Cantrell, 2011）和AlphaEvolve的2.635
2. n=32时，进一步达到2.939，优于人类的2.936和AlphaEvolve的2.937

引入评审奖励后，AlphaResearch的优化曲线更平滑，收敛速度更快

这一结果的意义远超数值提升，它证明LLM能产出当前人类知识库中不存在的解法。

例如，其生成的圆排布策略结合了六边形密铺和动态扰动技术，突破了传统对称布局的局限。

自主发现的六大挑战

尽管取得突破，AlphaResearch在其余6个问题中未能超越人类。

分析显示三大瓶颈

1. 奖励泛化局限：对高度抽象问题（如数论猜想），基于论文摘要训练的RM难以准确评估创新性
2. 代码执行效率：复杂约束问题（如自相关不等式）需大量采样，LLM生成的代码常因计算资源不足而失败
3. 初始状态依赖性强：若直接沿用人类最优解初始化，LLM难以跳出局部最优（如MSTD问题中评分无提升）

想法筛选机制虽提升效率，但也可能误杀潜在创新方案

科研范式的转变

AlphaResearch带来的并不是单一工具突破，而是一种科研范式的改变。

人类研究员负责方向判断、任务定义、约束设定，模型负责执行、试验、微创新、空间搜索，奖励模型负责科研价值判断，搜索系统负责迭代与路线优化。

未来的科研团队很可能演化成“人类 + LLM + RM + 执行集群”的混合科研结构，这比一个人 + 一个模型强得多，也比传统实验室高效得多。