---
title: "开放的数学题：让模型直接解，还是写程序、评估器打分、一代代改？"
description: "直接让大模型解开放问题，它会编；2023 年的另一条路是：模型只负责提出程序，评估器负责运行和打分，进化搜索负责一代代改进。"
---

## 这一页为什么在这里

前六站的反馈都在“判”；这一站把能自动打分的环境反过来用，去“找”。

## 上屏

- 第 1 步：站牌（⑦ 亮；甲乙丙亮）。一个开放问题（示意）：帽集：在 n 维的格子里挑尽量多的点，任意三点不共线；第 8 维，已知最好 496 个。两张卡：A｜让大模型直接给答案；B｜让模型写“构造答案的程序”，评估器跑程序、检查、数点数打分；高分的程序当范例，让模型再改，一代代进化。
- 第 2 步：题面：B 要成立，问题得满足什么？三个候选：能自动打分｜有标准答案｜模型见过类似的题。

## 讲

### 第 1 步 · 教师可说的话

第 1 步

走到这里，我们已经有了能自动判成败的环境。能不能反过来，用它去找人还没找到的东西？拿一个开放的数学问题，叫帽集：在一个高维的格子里挑尽量多的点，要求任意三点不共线。第 8 维，人知道的最好记录是 496 个点。直接问大模型？它会一本正经地编。另一条路：模型不给答案，只写“构造答案的程序”；评估器跑这段程序，查造出来的点合不合格、数有多少，打分；分高的程序当范例，让模型接着改，一代一代进化。你押哪条？

### 第 2 步 · 教师可说的话

第 2 步

第二条要成立，问题得满足什么？（停一下）能自动打分。有没有标准答案反而不要紧：评估器只要会查、会数。

### 本页衔接

回扣“测试”（大量生成、靠测试挑 → 大量生成、靠评估器搜）。站牌上“测试”一起亮。

### 连续教师稿原文

走到这里，我们已经有了能自动判成败的环境。能不能反过来，用它去找人还没找到的东西？拿一个开放的数学问题，叫帽集：在一个高维的格子里挑尽量多的点，要求任意三点不共线。第 8 维，人知道的最好记录是 496 个点。直接问大模型？它会一本正经地编。另一条路：模型不给答案，只写“构造答案的程序”；评估器跑这段程序，查造出来的点合不合格、数有多少，打分；分高的程序当范例，让模型接着改，一代一代进化。你押哪条？

第二条要成立，问题得满足什么？（停一下）能自动打分。有没有标准答案反而不要紧：评估器只要会查、会数。

## 完整推理

走到这里，我们已经有了能自动判成败的环境。能不能反过来，用它去找人还没找到的东西？拿一个开放的数学问题，叫帽集：在一个高维的格子里挑尽量多的点，要求任意三点不共线。第 8 维，人知道的最好记录是 496 个点。直接问大模型？它会一本正经地编。另一条路：模型不给答案，只写“构造答案的程序”；评估器跑这段程序，查造出来的点合不合格、数有多少，打分；分高的程序当范例，让模型接着改，一代一代进化。你押哪条？

第二条要成立，问题得满足什么？（停一下）能自动打分。有没有标准答案反而不要紧：评估器只要会查、会数。

帽集：在每个坐标取 0、1、2 的 n 维格子 ℤ₃ⁿ 里，任意三个不同的点都不在一条“直线”上，等价于不存在三个不同的点 x、y、z 使 x＋y＋z ≡ 0（mod 3）。求最大帽集是组合数学里的开放问题，维数一高就没法穷举。FunSearch 搜的不是点集本身，而是给候选点排优先级的那个函数：评估器用这个函数贪心地构造点集，检查合法性，数点数打分。

## 学生可能的回答与误区

“AI 自己发现了数学”：模型提程序，评估器把关，人设定问题和评估器，三者缺一不可。

## 教学构造与出处

教学构造：两张卡。

教学构造：分镜标注为“重｜置身、抉择、设计检验｜揭示在 「FunSearch：第 8 维找到 512 个点，交出人看得懂的程序」（`funsearch-cap-set`）｜动手 LAB-C §1”。

出处：Romera-Paredes et al., Mathematical discoveries from program search with large language models, Nature 625:468–475（线上 2023-12-14）；Google DeepMind 博客同日。

## 动手

[LAB-C](/labs/evaluator-and-search) §1：在线装箱的缩小版：把启发式写成一个打分函数，评估器在一组随机实例上数用掉的箱子，做一个最简的进化循环（不需要大模型），和随机变异、first-fit、best-fit 比。
