AI 与机器学习2024arxiv.org
计算生命：自复制程序如何从简单交互中涌现
Computational Life: How self-replicating programs emerge from simple interaction
进阶 · 约 45 分钟读完前置知识：进化计算基础、Brainfuck/解释器、人工生命与自复制理论
导读
这篇论文研究自复制程序如何从简单交互中涌现。实验使用极简的 Brainfuck 语言作为计算基底，让程序在变异和交互中演化；评论指出论文的亮点是没有显式适应度函数，较高的“适应度”以复制子的形式自发出现。
HN 关注点：用极简语言做进化实验、在无显式适应度函数下观察到自复制程序涌现，并讨论 Brainfuck 与组合逻辑等不同基底的优劣。
HN 评论精选
这几条评论里：支持 1 补充 2
补充指出论文实验采用 Brainfuck，语气中带有惊讶。
他们实验里用的是 Brainfuck 语言。说真的。
p1esk查看英文原文
They use Brainfuck language for the experiments. Seriously.
支持解释 Brainfuck 适合进化编程，并强调无显式适应度函数、复制子自发涌现是论文亮点。
Brainfuck 很适合进化编程：它是图灵完备的，指令少，解释器容易实现，变异算子也容易实现。移动纸带时的越界处理有饱和、环绕和作废等不同方式；我常选择把越界程序作废，因为这样通常产生更干净、也更容易与其他解释器兼容的程序。论文里有意思的部分是没有显式适应度函数，更高的适应度以复制子的形式涌现出来。
29athrowaway查看英文原文
Brainfuck is a useful language for evolutionary programming because it is Turing complete, it has few instructions, the interpreter is easy to implement, and a mutation operator is also easy to implement. There are different ways to deal with bounds checking when moving the tape: saturation, wrapping and invalidation. I often chose to invalidate a program that crosses bounds, as it usually generates a cleaner program that is more compatible with other interpreters as well. In the paper the part that's interesting is that there was no explicit fitness functions. The higher fitness emerges in the form of the replicator. https://www.youtube.com/watch?v=eOHGBuZCswA
补充推荐被引用的 Combinatory Chemistry，认为组合逻辑是更干净的基底。
Combinatory Chemistry 是一篇很棒的论文，也被这篇论文引用了。在我看来，用组合逻辑比用 Brainfuck 干净得多。
jekude查看英文原文
Combinatory Chemistry [0] is a great paper that is referenced. Using Combinatory Logic feels a lot cleaner than brainfuck IMO. [0] https://arxiv.org/abs/2003.07916
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2024Hacker News 讨论帖141 分 · 17 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选