谷歌某个数据中心里，有一台机器又满又空。内存已经用光，处理器还有富余，可新任务一个也放不进来，因为每个任务两样都要。谷歌的研究人员把这部分闲着的算力叫作「搁浅」的资源。
哪些机器会落到这一步，一部分取决于几行代码。每来一个任务，谷歌的集群管理系统 Borg 会列出能跑它的机器，交给一个打分函数排序，任务就去分数最高的那台，同时还要兼顾别的目标。
DeepMind 的 AlphaEvolve 团队，就从谷歌线上正在用的这个函数起步。按谷歌自己在 2025 年 5 月的博客和白皮书里的说法，这套系统是个循环：Gemini 模型读到目前最好的几个程序，提出改代码的方案，快的 Flash 模型负责多出主意，强的 Pro 模型隔一阵给几条更有分量的建议。每个改过的程序都自动运行、自动打分，得分最高的放回下一轮提示词，当作要超过的样板。
在 Borg 这件事上，打分的既不是人，也不是另一个 AI 模型，而是一台谷歌数据中心的模拟器，拿历史上的任务负载和机器容量快照重放一遍。团队写道，用代码打分，能「在很大程度上绕开大语言模型的幻觉」。（系统也能请模型给反馈，但他们说，那不是他们优化过的用法。）
胜出的版本只有几行：拿任务要的 CPU 和内存，分别除以每台机器剩下的 CPU 和内存，再把两个比值合成一个分数。团队先用循环从没见过的近期负载检验了一遍，随后推到整个机群。谷歌没选深度强化学习方案而选了它，一部分原因是工程师看得懂、也好调试。
谷歌说，上线后的实测和模拟结果对得上。到 2025 年 5 月，这个函数已经在线上跑了一年多，平均持续收回谷歌全球算力的 0.7%。这是谷歌自己给的数字。纽约大学计算机科学家欧内斯特·戴维斯写道，公开的信息不够，他没法深入评估，不过这些收益「看起来确实令人印象深刻」。
接着，同一个循环去碰一项纪录，在某个特定条件下，它已经保持了 56 年。把施特拉森 1969 年的方法套两层，两个 4x4 矩阵相乘要做 49 次乘法。AlphaEvolve 给 Gemini 提出的 16,000 个候选方案逐一打分，最后找到只要 48 次的做法。这 48 次，乘的是复数。
戴维斯指出，一次复数乘法要花三次实数乘法，所以拿来算实数矩阵，这个方法可能要 50 到 144 次实数乘法不等。他怀疑这项结果有多少实用价值，还写道，这次发布和相关报道「伴随着炒作、误导性的说法，以及彻头彻尾的不实之词」。普林斯顿大学的桑吉夫·阿罗拉对《连线》说，这些进展相对较小，不过他也说，搜索这个思路能用在很多地方。
2025 年 6 月 16 日，让-纪尧姆·杜马、克莱芒·佩尔内和亚历山大·塞多格拉维奇贴出一个同样只要 48 次乘法的方法，系数全是有理数，用他们的话说，去掉了「对复数运算的要求」。11 月，一篇作者里有陶哲轩和哈维尔·戈麦斯-塞拉诺的论文，把 AlphaEvolve 用在 67 道数学题上：多数追平了已知最好的答案，有几道做得更好。
白皮书自己点明了局限：「AlphaEvolve 的主要局限在于，它只能处理那些能设计出自动评估器的问题。」