La complessità del mondo reale e i compromessi multi-obiettivo

Nel mondo reale, i problemi di ottimizzazioneraramente hanno un solo obiettivo, e raramente ammettono una sola soluzione. Uno stesso sistema deve spesso conciliare contemporaneamente prestazioni, latenza, consumo energetico e costi; questi obiettivi si limitano a vicenda e migliorarne uno comporta spesso il sacrificio di un altro. Per questo il valore di EvoX non sta nel convergere più rapidamente verso un presunto "ottimo unico", ma nelconservare un insieme di soluzioni candidate diverse tra loro, permettendo ai ricercatori di confrontare benefici e costi entro i vincoli e di continuare a esplorare.

Perché nel mondo reale è difficile avere un'unica soluzione ottimale

• Obiettivi e vincoli variano in base allo scenario: valutazione offline, dispositivi mobili e servizi online ad alta concorrenza hanno obiettivi prioritari completamente diversi: è difficile che una stessa configurazione risulti vincente in tutti e tre i casi.
• I vincoli presentano limiti invalicabili: il limite massimo di latenza end-to-end, il budget di costo per inferenza, i limiti di memoria video e di consumo energetico sono confini che le soluzioni candidate devono rispettare, non leve negoziabili in nome di un "miglioramento complessivo".
• Gli obiettivi multipli si limitano a vicenda: aumentare la precisione → crescono il carico computazionale e il consumo energetico → aumentano latenza e costi; ridurre la latenza → spesso si deve accettare una perdita di precisione. Non esistono miglioramenti gratuiti.

Soluzioni non dominate e fronte di Pareto

Solo quando due candidati non possono essere confrontati per stabilire un vantaggio assoluto costituiscono un vero spazio di scelta. Il criterio è immediato: se un candidato non è peggiore di un altro su tutti gli obiettivi ed è migliore su almeno uno, allora l'altro candidato è unasoluzione dominatae può essere eliminata nel ciclo successivo; al contrario, se nessuno dei due domina l'altro, entrambi vanno mantenuti nell'insieme dei candidati. Tutti i candidati reciprocamente non dominati, uniti tra loro, formano il fronte di Pareto: esso conserva integralmente la relazione di scambio che indica "quanto di un obiettivo bisogna sacrificare per migliorarne un altro".

Le domande chiave del ricercatore

• Che cosa si può modificare? — L'architettura del modello, la strategia di distillazione, la larghezza di quantizzazione, la dimensione del batch o la strategia di scheduling del servizio?
• Quale feedback dimostra che il cambiamento è davvero efficace? — La precisione offline, i percentili di latenza online, il costo unitario o le curve di utilizzo delle risorse?
• Quali vincoli non possono essere violati? — Il limite massimo di latenza, il budget di costo, i confini di conformità e sicurezza.
• Il confronto è equo? — Ovvero se avviene su hardware identico, con la stessa distribuzione di traffico e gli stessi criteri di valutazione.
• I risultati sono sufficienti a sostenere le conclusioni? — Se la dimensione del campione e la copertura del traffico online sono adeguate e se le conclusioni sono riproducibili.
• Che cosa mantenere e che cosa scartare nel ciclo successivo? — Eliminare le soluzioni dominate e conservare i candidati differenziati reciprocamente non dominati.