concurrency 參數可控制要同時產生及評估多少程式。這個參數是影響最大的執行階段超參數。
並行對搜尋的影響
n = 1(連續鏈結)：先生成一個程式，等待評估結果，然後生成下一個程式。每一代都會看到先前的結果，形成一連串的漸進式改良，逐步逼近局部最佳解。這種做法的處理量最低，但最能集中利用資源。使用這個模式可刻意收斂至特定區域。n = 3-12(最佳範圍)：這是實務上最常使用的範圍，可平衡探索和開發。多個程式會同時執行，因此部分世代不會看到最新結果，進而產生自然多樣性。演化資料庫可維持足夠的處理量，確保健康的族群動態。n = 13-30(高探索)：多個程式平行執行。 大多數世代不會看到彼此的結果。對於有許多局部最佳解的高度非凸問題，這個模式非常實用，因為廣泛探索比深入開發更重要。n = 23-30(已節流；請避免)：超過 30 個並行產生器會節流 LLM 後端。要求會排隊，導致每次生成作業的延遲時間增加。除非您有專屬配額，否則請維持在 30 以下。
建議
以下建議可做為設定 AlphaEvolve 並行和並列的起點。
| 問題類型 | 並行 | 理由 |
|---|---|---|
| 瞭解透徹，可調整已知方法 | 3 到 5 | 有針對性的剝削 |
| 一般最佳化、不明橫向紙張 | 8 到 12 | 平衡探索/開發 |
| 高度非凸，許多局部最佳化 | 15 至 25 | 廣泛探索 |
| 刻意放大至最佳縮放等級 | 1 | 依序鏈結 |
請從 concurrency=10 開始，並根據下列指標進行調整：
分數達到高原期：提高並行程度，擺脫局部最佳化。
許多評估失敗：降低並行程度，減少浪費的運算資源。
評估作業緩慢 (超過 5 分鐘)：並行程度越高，評估管道就越忙碌。
快速評估 (不到 10 秒)：降低並行程度可讓後續生成作業直接承接彼此的結果。