Considerazione chiave:I grandi modelli sono potenti componenti intelligenti, ma non sistemi in grado di auto-sostenersi. Possiedono già capacità utilizzabili di comprensione, generazione, ragionamento e invocazione di strumenti, e possono fungere da propositori di ipotesi e produttori di codice di alta qualità; tuttavia mancano dello stato, degli obiettivi e dei meccanismi di feedback necessari per evolvere in modo continuativo lungo l'intero ciclo di vita.
Tre tipi di confini strutturali:
- Confine di stato:Finestra di contesto limitata e assenza di memoria persistente tra sessioni: i progetti di lungo periodo non possono auto-sostenersi;
- Confine degli obiettivi:I problemi reali implicano spesso conflitti multi-obiettivo e compromessi tra preferenze; il modello fatica a definire autonomamente criteri di scelta difendibili;
- Confine del feedback:Mancano meccanismi attuabili di valutazione, selezione ed eliminazione: le soluzioni generate non possono essere verificate oggettivamente né conservate iterativamente.
Conclusione:Migliorare le capacità del modello ≠ migliorare le capacità del sistema. Le capacità sono un'istantanea, l'ambiente è un processo. È necessario inserire i grandi modelli nel ciclo di evoluzione «generazione—valutazione—selezione—consolidamento»: mantenere la diversità dei candidati tramite l'intelligenza collettiva, ridurre gli elevati costi di valutazione tramite modelli surrogati, e conservare le esperienze efficaci tramite meccanismi di selezione e consolidamento, affinché l'intelligenza possa adattarsi in ambienti dinamici. Questo è il fondamento di EvoX, e fornisce anche la motivazione per i temi successivi: «estendere l'oggetto dell'evoluzione dai parametri ai programmi», «l'evoluzione dei metodi stessi» e «la persistenza a livello di progetto».
Confronto tra lo stack di capacità isolate del grande modello e il ciclo di evoluzione a livello di sistemaA sinistra il grande modello è trattato come uno stack di capacità indipendente: comprensione, generazione, ragionamento e invocazione di strumenti producono soltanto un'istantanea statica; a destra l'LLM è ridotto a un modulo inserito nel ciclo «generazione—valutazione—selezione—consolidamento», in cui l'intelligenza collettiva mantiene la diversità dei candidati, i modelli surrogati riducono i costi di valutazione e i meccanismi di selezione e consolidamento preservano le esperienze efficaci, mostrando che migliorare le capacità del modello non equivale a migliorare le capacità del sistema.
