GigaEvo: Оптимизационная платформа с открытым исходным кодом, основанная на языковых моделях и эволюционных алгоритмах
GigaEvo: An Open Source Optimization Framework Powered By LLMs And Evolution Algorithms
November 17, 2025
Авторы: Valentin Khrulkov, Andrey Galichin, Denis Bashkirov, Dmitry Vinichenko, Oleg Travkin, Roman Alferov, Andrey Kuznetsov, Ivan Oseledets
cs.AI
Аннотация
Недавние достижения в области эволюционных вычислений, управляемых крупными языковыми моделями (LLM), в частности, AlphaEvolve (Новиков и др., 2025; Георгиев и др., 2025), продемонстрировали значительные успехи в открытии новых математических конструкций и решении сложных задач оптимизации. Однако высокоуровневые описания в опубликованных работах оставляют многие детали реализации неопределенными, что затрудняет воспроизводимость и дальнейшие исследования. В данном отчете мы представляем GigaEvo — расширяемую открытую платформу, которая позволяет исследователям изучать и экспериментировать с гибридными подходами, сочетающими LLM и эволюционные методы, вдохновленные AlphaEvolve. Наша система предоставляет модульные реализации ключевых компонентов: алгоритмы качества и разнообразия MAP-Elites, асинхронные конвейеры оценки на основе направленных ациклических графов (DAG), операторы мутации, управляемые LLM, с генерацией инсайтов и двунаправленным отслеживанием родословных, а также гибкие стратегии эволюции с использованием множественных островов. Для оценки воспроизводимости и проверки нашей реализации мы тестируем GigaEvo на сложных задачах из статьи AlphaEvolve: размещение треугольников Хейльбронна, упаковка кругов в квадраты и числа поцелуев в многомерных пространствах. Платформа подчеркивает модульность, параллелизм и удобство экспериментирования, обеспечивая быстрое прототипирование через декларативную конфигурацию. Мы предоставляем подробные описания архитектуры системы, решений по реализации и методологии экспериментов для поддержки дальнейших исследований в области эволюционных методов, управляемых LLM. Платформа GigaEvo и весь экспериментальный код доступны по адресу 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.