שיטות מומלצות לניסויים

כדי להתחיל לעבוד עם AlphaEvolve, מומלץ לפעול לפי תהליך העבודה הבא:

1. השלמת ההפעלה של הסביבה

   משתמשים בדף Get Started כדי להשלים את כל הדרישות המוקדמות ולהפעיל את הסביבה.

2. ביצוע אימות בסיסי

   לפני שממשיכים, צריך להשלים את ה-Codelab‏ Get Started with AlphaEvolve onGoogle Cloud. השלב הזה מבטיח ששכבות התעבורה, תחביר הבלוקים ואימות זמן הריצה המקומי יפעלו בצורה חלקה וללא שגיאות לפני שתעברו ליעדים ספציפיים לדומיין.

3. הפעלת הניסוי

   בוחרים בין מסלול שילוב מבוסס-סוכן או ידני:

   • שילוב סוכנים: אם אתם משתמשים בכלים לכתיבת קוד באמצעות סוכנים, אתם יכולים להריץ את צינור עיבוד הנתונים המובנה של Skills כדי לעבור על ההגדרה ועל תכנון הניסוי באופן פרוגרמטי.

   • שילוב ידני: אם אתם לא משתמשים בכלים מבוססי-סוכנים, עיינו ב-Codelabs וצרו את הניסוי באופן ידני על ידי ביצוע הפעולות הבאות:

     • הכנת קוד בסיסי

       יוצרים את קוד הבסיס הראשוני לפי הנחיות התוכנית, ומציבים סמני הערות מפורשים של EVOLVE-BLOCK אך ורק סביב קטעי הלוגיקה או תת-השגרות הספציפיים שמיועדים לארגון הקוד מחדש באמצעות אסטרטגיית המיקום.

     • יצירת פונקציית ה-harness של המעריך

       כותבים לולאת ביצוע בצד הלקוח או בצד השרת כדי לקבל את בלוקי הקוד שעברו מוטציה מ-AlphaEvolve, להריץ אותם בצורה מאובטחת ולחשב מדדים עסקיים. המעריך חייב להחזיר מילון מובנה של מדד אחד או יותר כדי לספק ל-AlphaEvolve כיוון מפורש של שיפוע החיפוש. משתמשים בהנחיות העיקריות שמפורטות בדף עיצוב מעריך.

     • תיעוד הגדרת הבעיה

       הגדירו תיאור בעיה מדויק בהגדרות האישיות, וציינו פרטי רקע, כללים רלוונטיים להקשר של הדומיין ומגבלות קשיחות של מערכת ההפעלה. השתמשו בהנחיות שבדף הנחיות להגדרת ההקשר וההנחיות.

     • בחירת הגדרת הניסוי

       מגדירים את ההיפר-פרמטרים של סביבת זמן הריצה, כולל תערובות של מודלי LLM מטורגטים, מגבלות מקסימליות ליצירת תוכניות וספי בו-זמניות אופטימליים להפעלה. משתמשים בהנחיות שבדף נתונים ובו-זמניות.

4. מעקב אחרי הביצוע

   מפעילים את הניסוי לאופטימיזציה ועוקבים אחרי ציוני ההתאמה בזמן אמת בדורות הבאים. תקציבי ההערכה המומלצים מתחילים ב-~100 תוכניות, ויכולים להגיע לאלפי תוכניות לבעיות קשות. אם מדדי ההערכה לא מראים מגמה ברורה אחרי כ-1,500 הערכות של תוכניות מועמדות, השהו את לולאת ההרצה כדי לחדד את ההקשר של הגדרת הבעיה או לשנות את האילוצים של העונשים הקלים.

   הערה: בעיות קשות יכולות להגיע לשלב של חוסר התקדמות למשך מספר רב של דורות לפני פריצת דרך פתאומית, כך ששלב של חוסר התקדמות לא בהכרח אומר שהחיפוש התכנס.

5. שילוב בסביבת הייצור

   אחרי שהחיפוש מסתיים, מאחזרים את המועמד האופטימלי לתוכנית (או את הווריאנט ה-n הכי טוב, בהתאם לפשרות התפעוליות של כמה מדדים) מטבלאות ההיסטוריה ומטמיעים אותו ישירות בארכיטקטורת המערכת.

ככל שדרישות האופטימיזציה, מחסניות התלות והדרישות לקנה מידה מתרחבות, כדאי לעבור ממרחב התהליכים המקומי להגדרת תשתית שמבוססת על Cluster Toolkit כדי לטפל בצרכי מחשוב מתקדמים בקנה מידה ארגוני.