Julgamento central:Os grandes modelos são componentes inteligentes poderosos, mas não são sistemas capazes de se autossustentar. Já possuem capacidades utilizáveis de compreensão, geração, raciocínio e chamada de ferramentas, podendo atuar como proponentes de hipóteses e produtores de código de alta qualidade; no entanto, carecem dos mecanismos de estado, objetivos e feedback necessários para evoluir continuamente ao longo de todo o ciclo de vida.
Três categorias de limites estruturais:
- Limite de estado:Janela de contexto limitada e ausência de memória persistente entre sessões impedem que projetos de longo prazo se autossustentem;
- Limite de objetivo:Problemas reais frequentemente envolvem conflitos entre múltiplos objetivos e ponderação de preferências, sendo difícil para o modelo apresentar de forma autônoma critérios de decisão defensáveis;
- Limite de feedback:A ausência de mecanismos executáveis de avaliação, seleção e eliminação impede que as soluções geradas sejam verificadas objetivamente e retidas iterativamente.
Conclusão:Melhoria da capacidade do modelo ≠ melhoria da capacidade do sistema. A capacidade é um instantâneo, o ambiente é um processo. É preciso inserir os grandes modelos no ciclo fechado de evolução “geração—avaliação—seleção—sedimentação”: manter a diversidade de candidatos com inteligência de enxame, reduzir os altos custos de avaliação com modelos substitutos e reter experiências válidas por meio de mecanismos de seleção e sedimentação, para que a inteligência se mantenha adaptável em ambientes dinâmicos. É exatamente nesse ponto que o EvoX se fundamenta, e isso também fornece a justificativa de necessidade para a expansão posterior do “objeto de evolução dos parâmetros para programas”, a “evolução do próprio método” e a “persistência em nível de projeto”.
Diagrama comparativo entre a pilha de capacidades monolíticas do grande modelo e o ciclo fechado de evolução em nível de sistemaÀ esquerda, o grande modelo é tratado como uma pilha de capacidades independente, cuja compreensão, geração, raciocínio e chamada de ferramentas produzem apenas um instantâneo estático; à direita, o LLM é reduzido a um módulo inserido no ciclo fechado “geração—avaliação—seleção—sedimentação”, usando inteligência de enxame para manter a diversidade de candidatos, modelos substitutos para reduzir os custos de avaliação e mecanismos de seleção e sedimentação para reter experiências válidas, demonstrando que a melhoria da capacidade do modelo não equivale à melhoria da capacidade do sistema.
