Definir o espaço de pesquisa e as variáveis de decisão

Definir o espaço de pesquisa e as variáveis de decisão para um caso de uso do AlphaEvolve exige a formulação adequada do problema como código e o fornecimento de uma solução de base funcional que a heurística evolutiva possa iterar e melhorar.

Esse processo inclui:

  • Fornecer o contexto de destino: estabeleça o histórico, as regras de domínio e os limites de desempenho para o caso de uso de otimização.

  • Fornecer um valor de referência limpo: forneça um código claro e bem estruturado que implemente corretamente uma solução de valor de referência para o problema de destino.

  • Marcação de graus de liberdade: anote a base de código com comentários EVOLVE-BLOCK explícitos para marcar as variáveis de decisão, estruturas lógicas ou rotinas específicas que o agente pode mudar e explorar para identificar soluções de melhor performance.

Estrutura de um programa inicial

Um programa inicial é composto de dois tipos principais de blocos que determinam os limites da pesquisa evolutiva:

  1. Blocos de código imutáveis: código boilerplate, funções auxiliares e dependências que restringem o espaço de pesquisa ou executam tarefas que não afetam o desempenho da solução (como etapas de pré-processamento padrão ou rotinas de tratamento de dados).

  2. Blocos de código mutáveis (EVOLVE-BLOCK): as regiões segmentadas que contêm variáveis de decisão, estruturas lógicas ou expressões analíticas específicas que o agente pode explorar e mudar.

    import numpy as np
# Code to constrain the search space (Immutable)
def def_preprocessing():
    """Feature engineering and preprocessing."""
    pass

# EVOLVE-BLOCK-START
# Mutable block: Provides degrees of freedom for AlphaEvolve to optimize
def model_tuning():
    """Model tuning function: parametrized to take features."""
    pass
# EVOLVE-BLOCK-END

# Boilerplate code that does not impact solution performance (Immutable)
def batch_predictions():
    """Inference function: batch predictions to test performance."""
    pass

As regras de formatação do EVOLVE-BLOCK incluem o seguinte:

  • Linhas independentes: os marcadores de comentário EVOLVE-BLOCK-START e EVOLVE-BLOCK-END precisam aparecer sozinhos nas próprias linhas. Não coloque código ou outro conteúdo na mesma linha de um marcador, exceto espaços em branco e prefixos de comentários (como # ou //).
  • Código editável obrigatório: a região entre os marcadores de início e fim precisa conter pelo menos uma linha de código editável. Blocos que contêm apenas espaço em branco, comentários ou docstrings são rejeitados com um erro de validação porque não há lógica mutável para o AlphaEvolve evoluir.
  • Não é possível aninhar: blocos de evolução aninhados não são aceitos.

Práticas recomendadas para restringir o espaço de pesquisa

A maneira como você organiza as importações imutáveis e coloca os blocos de evolução explicitamente mostra os limites operacionais do AlphaEvolve.

Gerenciar importações e dependências de bibliotecas

O AlphaEvolve não pode determinar quais bibliotecas externas são válidas para seu ambiente de produção.

Para permitir a análise detalhada aberta: se qualquer pacote de aprendizado de máquina ou matemático for aceitável para maximizar sua métrica, coloque as importações dentro do EVOLVE-BLOCK mutável. Isso dá à AlphaEvolve a liberdade de substituir frameworks alternativos, como sklearn por TensorFlow ou xgboost.

Para aplicar cadeias de ferramentas estritas: se todos os modelos precisarem vir de um pacote específico, declare esse pacote como uma importação imutável fora do bloco de evolução. Se o AlphaEvolve precisar de outros módulos internos desse pacote durante a pesquisa, ele ainda poderá importá-los localmente no espaço mutável sem violar a restrição global.

Evitar um espaço de pesquisa muito restrito

Formule o máximo possível de restrições fixas como blocos de código imutáveis no programa inicial ou no contexto de texto adicional fornecido pelo usuário. Isso minimiza as chances de o agente explorar soluções estruturalmente inviáveis.

No entanto, não reduza o espaço de pesquisa a ponto de uma abordagem evolutiva se tornar redundante. Por exemplo, forçar o AlphaEvolve a usar apenas regressões lineares de parâmetro único reduz o problema a um espaço de configuração restrito que pode ser analisado por utilitários padrão de pesquisa em grade. Em vez disso, use restrições flexíveis como penalidades negativas nos critérios de avaliação para orientar a exploração sem prejudicá-la.

Posicionamento estratégico de blocos para objetivos segmentados

Variar o escopo do EVOLVE-BLOCK muda todo o objetivo de otimização do pipeline:

Otimizar a calibragem fora da amostra (OOS): se o objetivo for uma descoberta algorítmica ampla, envolva o bloco em toda a rotina de ajuste e inicialização do modelo.

Otimizar o ajuste estrutural: se você quiser preservar uma estrutura linear, mas descobrir expressões analíticas complexas ou transformações matemáticas personalizadas, isole o bloco mutável estritamente em torno da lógica de transformação de recursos, mantendo a arquitetura do modelo downstream fixa e imutável.

Preservar a hierarquia modular (exemplos em HDL/Verilog): ao otimizar configurações de blocos de código estrutural, mantenha as tags EVOLVE-BLOCK-START e EVOLVE-BLOCK-END estritamente dentro dos limites da definição do módulo. Isso impede que a heurística de pesquisa faça movimentos estruturalmente inválidos, como tentar substituir um único módulo bem contido por vários submódulos flutuantes e não mapeados.