GigaEvo: Een Open Source Optimalisatie Framework Aangedreven Door LLM's En Evolutiealgoritmen
GigaEvo: An Open Source Optimization Framework Powered By LLMs And Evolution Algorithms
November 17, 2025
Auteurs: Valentin Khrulkov, Andrey Galichin, Denis Bashkirov, Dmitry Vinichenko, Oleg Travkin, Roman Alferov, Andrey Kuznetsov, Ivan Oseledets
cs.AI
Samenvatting
Recente vooruitgang in door LLM's geleide evolutionaire berekeningen, met name AlphaEvolve (Novikov et al., 2025; Georgiev et al., 2025), heeft opmerkelijke successen aangetoond bij het ontdekken van nieuwe wiskundige constructies en het oplossen van uitdagende optimalisatieproblemen. De hoogoverzichtsbeschrijvingen in gepubliceerd werk laten echter veel implementatiedetails ongespecificeerd, wat de reproduceerbaarheid en verder onderzoek belemmert. In dit rapport presenteren we GigaEvo, een uitbreidbaar open-source raamwerk dat onderzoekers in staat stelt hybride LLM-evolutiebenaderingen, geïnspireerd op AlphaEvolve, te bestuderen en mee te experimenteren. Ons systeem biedt modulaire implementaties van kerncomponenten: MAP-Elites kwaliteits-diversiteit-algoritmen, asynchrone op DAG gebaseerde evaluatiepipelines, LLM-gestuurde mutatie-operatoren met inzichtgeneratie en bidirectioneel lineage-tracking, en flexibele multi-eiland evolutionaire strategieën. Om de reproduceerbaarheid te beoordelen en onze implementatie te valideren, evalueren we GigaEvo op uitdagende problemen uit het AlphaEvolve-artikel: Heilbronn driehoekplaatsing, cirkelstapeling in vierkanten, en hoog-dimensionale 'kissing numbers'. Het raamwerk legt de nadruk op modulariteit, gelijktijdigheid en experimenteergemak, waardoor rapid prototyping via declaratieve configuratie mogelijk is. We bieden gedetailleerde beschrijvingen van de systeemarchitectuur, implementatiebeslissingen en experimentele methodologie om verder onderzoek naar door LLM's gedreven evolutionaire methoden te ondersteunen. Het GigaEvo-raamwerk en alle experimentele code zijn beschikbaar op https://github.com/AIRI-Institute/gigaevo-core.
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.