Le paramètre concurrency contrôle le nombre de programmes générés et évalués simultanément. Il s'agit de l'hyperparamètre d'exécution le plus important.
Effet de la simultanéité sur la recherche
n = 1(chaîne séquentielle) : générez un programme, attendez son évaluation, puis générez le suivant. Chaque génération voit le résultat précédent, ce qui crée une chaîne d'améliorations incrémentales qui se concentre sur un optimum local. Cette approche entraîne le débit le plus lent, mais l'exploitation la plus ciblée. Utilisez ce mode pour converger intentionnellement vers une région spécifique.n = 3-12(point idéal) : il s'agit de la plage la plus utilisée en pratique, car elle équilibre l'exploration et l'exploitation. Plusieurs programmes sont en cours d'exécution simultanément. Par conséquent, certaines générations ne voient pas les derniers résultats, ce qui introduit une diversité naturelle. La base de données évolutive maintient un débit suffisant pour une dynamique de population saine.n = 13-30(exploration élevée) : de nombreux programmes s'exécutent en parallèle. La plupart des générations ne voient pas les résultats des autres. Ce mode est utile pour les problèmes très non convexes avec de nombreux optima locaux où une exploration large est plus importante qu'une exploitation approfondie.n = 23-30(limité ; à éviter) : le dépassement de 30 générateurs parallèles limite le backend LLM. Les requêtes sont mises en file d'attente, ce qui augmente la latence par génération. Sauf si vous disposez d'un quota dédié, restez en dessous de 30.
Recommandations
Les recommandations suivantes servent de point de départ pour configurer la simultanéité et le parallélisme pour AlphaEvolve.
| Type de problème | Simultanéité | Explication |
|---|---|---|
| Approche bien comprise et réglage connu | 3–5 | Exploitation ciblée |
| Optimisation générale, taille inconnue au format paysage | 8–12 | Équilibre entre exploration et exploitation |
| Très non convexe, nombreux optima locaux | 15–25 | Exploration large |
| Zoom intentionnel sur un optimum local | 1 | Chaîne séquentielle |
Commencez par concurrency=10 et ajustez-le en fonction des indicateurs suivants :
Plateau de score : augmentez la simultanéité pour échapper aux optima locaux.
Nombreuses évaluations en échec : diminuez la simultanéité pour réduire le calcul gaspillé.
Évaluations lentes (plus de 5 minutes) : une simultanéité plus élevée permet de maintenir le pipeline d'évaluation occupé.
Évaluations rapides (moins de 10 secondes) : une simultanéité plus faible permet aux générations successives de s'appuyer directement sur les résultats des autres.