Jugement central :Les grands modèles sont de puissants composants intelligents, mais ils ne constituent pas des systèmes capables de s'auto-maintenir. Ils disposent déjà de capacités exploitables en matière de compréhension, de génération, de raisonnement et d'appel d'outils, et peuvent servir de proposeurs d'hypothèses et de producteurs de code de haute qualité ; il leur manque toutefois les mécanismes d'état, d'objectif et de rétroaction nécessaires pour évoluer en continu sur tout un cycle de vie.
Trois catégories de limites structurelles :
- Limite d'état :Fenêtre de contexte limitée et absence de mémoire persistante inter-sessions : les projets de longue durée ne peuvent pas se maintenir seuls ;
- Limite d'objectif :Les problèmes réels impliquent souvent des conflits multi-objectifs et des arbitrages de préférences ; le modèle a du mal à définir de manière autonome des critères de choix défendables ;
- Limite de rétroaction :Absence de mécanismes exécutables d'évaluation, de sélection et d'élimination : les solutions générées ne peuvent être validées objectivement ni conservées par itération.
Conclusion :Amélioration des capacités du modèle ≠ amélioration des capacités du système. La capacité est un instantané, l'environnement est un processus. Il est indispensable d'intégrer les grands modèles dans une boucle d'évolution « génération — évaluation — sélection — sédimentation » : maintenir la diversité des candidats par l'intelligence collective, réduire les coûts d'évaluation élevés grâce aux modèles substituts, et préserver l'expérience utile par des mécanismes de sélection et de sédimentation, afin que l'intelligence reste adaptative dans un environnement dynamique. C'est précisément le fondement d'EvoX, qui fournit aussi l'argumentaire de nécessité pour la suite : « l'élargissement de l'objet d'évolution des paramètres aux programmes », « l'évolution des méthodes elles-mêmes » et « la persistance au niveau projet ».
Schéma comparatif : pile de capacités isolées du grand modèle et boucle d'évolution au niveau systèmeÀ gauche, le grand modèle est considéré comme une pile de capacités autonome, dont la compréhension, la génération, le raisonnement et l'appel d'outils ne produisent qu'un instantané statique ; à droite, le LLM est réduit à un module intégré dans une boucle « génération — évaluation — sélection — sédimentation », où l'intelligence collective maintient la diversité des candidats, les modèles substituts compressent les coûts d'évaluation et les mécanismes de sélection et de sédimentation conservent l'expérience utile — ce qui montre que l'amélioration des capacités du modèle ne équivaut pas à celle des capacités du système.
