GigaEvo: LLM과 진화 알고리즘 기반의 오픈 소스 최적화 프레임워크

초록

최근 LLM(대형 언어 모델) 기반 진화 연산, 특히 AlphaEvolve(Novikov et al., 2025; Georgiev et al., 2025)의 발전은 새로운 수학적 구조를 발견하고 도전적인 최적화 문제를 해결하는 데 있어 놀라운 성과를 보여주었다. 그러나 출판된 연구에서 제공되는 높은 수준의 설명은 많은 구현 세부 사항을 명시하지 않아 재현성과 추가 연구를 방해하고 있다. 본 보고서에서는 AlphaEvolve에서 영감을 받은 하이브리드 LLM-진화 접근법을 연구하고 실험할 수 있는 확장 가능한 오픈소스 프레임워크인 GigaEvo를 소개한다. 우리의 시스템은 주요 구성 요소의 모듈식 구현을 제공한다: MAP-Elites 품질-다양성 알고리즘, 비동기 DAG 기반 평가 파이프라인, 통찰 생성 및 양방향 계보 추적이 가능한 LLM 기반 변이 연산자, 그리고 유연한 다중 아일랜드 진화 전략. 재현성을 평가하고 구현을 검증하기 위해 GigaEvo를 AlphaEvolve 논문에서 제시된 도전적인 문제들(Heilbronn 삼각형 배치, 정사각형 내 원 채우기, 고차원 입맞춤 수)에 대해 평가한다. 이 프레임워크는 모듈성, 동시성, 실험의 용이성을 강조하며, 선언적 구성을 통해 신속한 프로토타이핑을 가능하게 한다. 우리는 시스템 아키텍처, 구현 결정, 실험 방법론에 대한 상세한 설명을 제공하여 LLM 기반 진화 방법에 대한 추가 연구를 지원한다. GigaEvo 프레임워크와 모든 실험 코드는 https://github.com/AIRI-Institute/gigaevo-core에서 확인할 수 있다.

English

Recent advances in LLM-guided evolutionary computation, particularly AlphaEvolve (Novikov et al., 2025; Georgiev et al., 2025), have demonstrated remarkable success in discovering novel mathematical constructions and solving challenging optimization problems. However, the high-level descriptions in published work leave many implementation details unspecified, hindering reproducibility and further research. In this report we present GigaEvo, an extensible open-source framework that enables researchers to study and experiment with hybrid LLM-evolution approaches inspired by AlphaEvolve. Our system provides modular implementations of key components: MAP-Elites quality-diversity algorithms, asynchronous DAG-based evaluation pipelines, LLM-driven mutation operators with insight generation and bidirectional lineage tracking, and flexible multi-island evolutionary strategies. In order to assess reproducibility and validate our implementation we evaluate GigaEvo on challenging problems from the AlphaEvolve paper: Heilbronn triangle placement, circle packing in squares, and high-dimensional kissing numbers. The framework emphasizes modularity, concurrency, and ease of experimentation, enabling rapid prototyping through declarative configuration. We provide detailed descriptions of system architecture, implementation decisions, and experimental methodology to support further research in LLM driven evolutionary methods. The GigaEvo framework and all experimental code are available at https://github.com/AIRI-Institute/gigaevo-core.

GigaEvo: LLM과 진화 알고리즘 기반의 오픈 소스 최적화 프레임워크

GigaEvo: An Open Source Optimization Framework Powered By LLMs And Evolution Algorithms

초록

Support