北大团队搞定ChatGPT都头痛的算法优化，普通笔电就能跑连ChatGPT看了都直摇头的算法优化，被北大团队给搞定了。测试表明，新研究能解验证集中90%的题目，包括NOI...
北大团队搞定ChatGPT都头痛的算法优化，普通笔电就能跑
连ChatGPT看了都直摇头的算法优化，被北大团队给搞定了。
测试表明，新研究能解验证集中90%的题目，包括NOIP、Codeforce、Leetcode等比赛中的分治和动态规划题目——这些题目，很多大模型也难以解决。
而且自家的普通笔电就能跑！
毕竟算法优化这块，是大模型乃至整个AI的能力盲区。
哪怕是Nature刊发过的DeepMind AlphaTensor，给程序合成领域带来一些震撼不假，但实际作用对业内专业人士来说，“还是不够”。
所以，AI无法横扫到的这个领域，算法优化该咋提速提效？
北大一支团队，采取程序演算和程序枚举相结合的办法，做出了两套算法优化软件。
一套可以搞定分治、并行化、增量计算、线段树等算法的优化，另一套则支持动态规划算法的优化。
介绍动态规划算法的综合方法一篇（《Synthesizing Efficient Memoization Algorithms 》），已经被程序设计语言领域三大顶会之一的OOPSLA’23接收；另一篇关于分治类算法的论文也已经在arXiv（2202.12193）公开。
而且这两套软件需要的硬件门槛并不高，Intel Core i7-8700 3.2GHz 6核处理器就能跑，平均用时6.53s。
据悉，这两套软件未来都会开源，还会做成更易用的服务，放到网上。
有些神奇的事是，两篇论文共同的作者之一，北大副教授熊英飞，之前一度专研在AI领域，首次用CNN实现炉石传说的代码，就出自他之手。
带着好奇，我们和熊英飞本人聊了聊。
为什么AI设计算法还不行？
算法设计，需要给出满足规约的程序，并且在时间和空间复杂度上尽量优化。
大模型的进展有目共睹，因此，在“转向”之前，熊英飞和团队确实也想过用ChatGPT来搞算法设计 网页链接
转载请注明：北大团队搞定ChatGPT都头痛的算法优化，普通笔电就能跑连ChatGPT看了都直摇头的算法优化，被北大团队给搞定了。测试表明，新研究能解验证集中90%的题目，包括NOI... | AI 時.空 | AiTime.Space