SakanaAI/ShinkaEvolve

解決的問題

ShinkaEvolve 是一個旨在自動化科學程式碼發現與優化之框架。它透過結合大型語言模型（LLMs）的創造能力與進化搜尋的優化能力，解決了在科學計算中手動設計複雜演算法或優化效能指標的挑戰。

工作原理

系統維持一個隨多代進化而演化的程式種群。一組 LLM 作為智慧突變運算子，對現有種群提出程式碼改進建議（透過差異、完整重寫或交叉繁殖）。這些候選方案隨後透過提供的驗證程式進行評估。該框架支援本地或 Slurm 集群上的平行評估，並維護一個成功解決方案的存檔，以促進不同進化島之間的知識傳遞。

適用對象

主要針對擁有效能驗證程式、目標是優化程式碼正確性、可讀性與效能指標之研究人員與開發者。

主要亮點

• 多 LLM 集成：使用多種 LLM 進行程式碼生成，並採用動態模型選擇（如 UCB）以優化結果。
• 彈性執行環境：支援本地執行、Slurm Conda 與 Slurm Docker 環境，實現可擴展的評估。
• 代理整合：提供「技能」以整合 Claude Code 與 Codex 等編碼代理。
• 廣泛的語言支援：已證明可在 Python、Julia、Fortran 與 Verilog RTL 等多種語言中優化程式碼。
• 監控工具：包含用於即時追蹤的 WebUI，以及可選的 Weights & Biases 集成以記錄實驗。