GigaEvo: Um Framework de Otimização de Código Aberto Alimentado por LLMs e Algoritmos Evolutivos
GigaEvo: An Open Source Optimization Framework Powered By LLMs And Evolution Algorithms
November 17, 2025
Autores: Valentin Khrulkov, Andrey Galichin, Denis Bashkirov, Dmitry Vinichenko, Oleg Travkin, Roman Alferov, Andrey Kuznetsov, Ivan Oseledets
cs.AI
Resumo
Os avanços recentes em computação evolutiva guiada por LLM, particularmente o AlphaEvolve (Novikov et al., 2025; Georgiev et al., 2025), demonstraram sucesso notável na descoberta de novas construções matemáticas e na resolução de problemas desafiadores de otimização. No entanto, as descrições de alto nível nos trabalhos publicados deixam muitos detalhes de implementação não especificados, dificultando a reprodutibilidade e pesquisas adicionais. Neste relatório, apresentamos o GigaEvo, uma estrutura de código aberto extensível que permite aos pesquisadores estudar e experimentar abordagens híbridas de LLM-evolução inspiradas no AlphaEvolve. Nosso sistema fornece implementações modulares de componentes-chave: algoritmos de diversidade e qualidade MAP-Elites, pipelines de avaliação assíncronos baseados em DAG, operadores de mutação impulsionados por LLM com geração de insights e rastreamento bidirecional de linhagem, e estratégias evolutivas flexíveis de múltiplas ilhas. Para avaliar a reprodutibilidade e validar nossa implementação, avaliamos o GigaEvo em problemas desafiadores do artigo do AlphaEvolve: colocação de triângulos de Heilbronn, empacotamento de círculos em quadrados e números de contato em alta dimensionalidade. A estrutura enfatiza modularidade, concorrência e facilidade de experimentação, permitindo prototipagem rápida por meio de configuração declarativa. Fornecemos descrições detalhadas da arquitetura do sistema, decisões de implementação e metodologia experimental para apoiar pesquisas adicionais em métodos evolutivos impulsionados por LLM. A estrutura GigaEvo e todo o código experimental estão disponíveis em 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.