DeepMind · 编程工具
DeepMind 发布 AlphaCode 用于竞赛编程
DeepMind 推出 AlphaCode，一个专为竞赛编程设计的 AI 系统。该系统在 Codeforces 等平台上展现出与人类顶尖选手相当的解题能力，能够理解问题描述、生成代码并通过测试用例。AlphaCode 的发布标志着 AI 在算法推理与代码生成领域迈出了重要一步，为编程竞赛和此前仅能完成简单编程任务的模型相比，它在复杂逻辑与边界条件处理上有了质的提升。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-03
导读
AlphaCode 是 DeepMind 在 2022 年 2 月首发、12 月在 Science 封面正式刊出的竞赛编程系统，目标是让 AI 解决竞赛级别的全新算法题。在 Codeforces 平台 10 场近期 contest 的模拟参赛中，AlphaCode 排名约在前 54% 的参赛者位置，即与中位选手相当，是 AI 代码生成系统首次达到可参赛级别。模型与数据集开源在 deepmind/code_contests 仓库。
方法路径围绕"大规模采样加智能过滤"。模型基于 Transformer，预训练语料来自 GitHub 公开代码，再用规模相对较小的竞赛编程数据集精调。评测时为每道题生成数量级别远超既往工作的 C++ 与 Python 候选解，随后通过过滤、聚类与重排序，把候选集压缩到最多 10 条提交解，模拟人类选手反复调试与提交的流程。10 场参赛 contest 均在训练数据截止时间之后，确保 AlphaCode 必须在没有抄解机会的新题上从零设计算法。Codeforces 创始人 Mike Mirzayanov 与 Google 工程师 Petr Mitrichev 在文中评价，竞赛题的难点在于发明算法而非实现，AlphaCode 能在这一维度取得进展超出预期。
对读者而言，AlphaCode 把"模型只会简单算法题"的天花板抬到了"参赛级问题求解"。这背后是大规模采样、可执行测试集与可靠 reranker 三者结合的工程结果，而非单纯模型规模的胜利。论文同时开源 CodeContests 数据集，附带大量隐藏测试用例以验证程序正确性，弥补了早期编程数据集没有充分测试的问题。对从事代码生成、Agent 工具与 IDE 辅助的研究者而言，这套方法在后续 Claude Code、Cursor 等 coding agent 的搜索式解题中仍有清晰的技术回响。