Article · IA & agents
Recherche évolutionnaire par LLM : le budget change le gagnant
Pourquoi une seule profondeur d'itération ne suffit pas pour comparer des stratégies de recherche évolutionnaire pilotées par LLM.
Largeur et profondeur
Une recherche évolutionnaire pilotée par LLM lance des graines indépendantes puis améliore chaque trajectoire. Le budget total peut donc être dépensé en largeur, avec davantage de graines, ou en profondeur, avec davantage d'itérations par graine. Comparer les méthodes sur un seul point de ce plan peut donner une image trompeuse.
Résultats rapportés
Les auteurs rejouent les trajectoires de trois stratégies sur cinq tâches d'optimisation, avec jusqu'à 40 graines et 200 itérations, soit 8 000 propositions. Ils calculent une frontière graines-itérations par statistiques d'ordre exactes. Le meilleur partage dépend de la stratégie, de la tâche et du budget : à 10 % du budget sur PRISM, EvoX préfère 4 graines et 196 itérations, tandis qu'OpenEvolve préfère 36 graines et 22 itérations. Sur la planification de transactions, AdaEvolve atteint son meilleur score à 40 itérations, après quoi la profondeur supplémentaire gaspille des propositions.
Le classement change aussi avec le nombre de graines : sur Cloudcast, EvoX passe de dernier avec une graine à premier avec quarante. La recherche plus large révèle en outre une faille de validateur : des programmes très bien classés omettent des transactions, car la couverture complète n'est pas contrôlée.
Interprétation éditoriale
Une évaluation d'agent doit publier une frontière de budget, plusieurs graines et les contrôles de validité de l'évaluateur. Un meilleur score peut refléter une meilleure stratégie, une chance favorable ou une faille de validation ; ces causes doivent être séparées avant de choisir un outil.
Limites
La grille complète coûte davantage d'appels et sert surtout à analyser a posteriori les trajectoires. Elle ne prédit pas encore le meilleur partage sans explorer la grille. Les résultats dépendent des cinq tâches, des trois stratégies et de l'évaluateur ; la faille de couverture dans la tâche de transactions limite particulièrement l'interprétation de son classement.
Source
Résultats des auteurs, ArXiv 2609.19799v1 : résumé et preprint, PDF.