DEI: LLM eterogenei migliorano la ricerca qualità-diversità
Esiste un nuovo framework distribuito per la ricerca qualità-diversità chiamato DEI, acronimo di Diversity in Evolutionary Inference. A differenza delle ricerche standard che si basano su modelli simili, DEI sfrutta diversi modelli linguistici di grandi dimensioni (LLM) come operatori di mutazione tra i nodi. Ogni LLM apporta il proprio tocco creativo, aumentando la diversità del comportamento. Si basa sul framework Digital Red Queen, in cui i nodi condividono le loro migliori soluzioni dopo ogni round per avviare la fase successiva, creando interazioni competitive tra i modelli. Nei test condotti utilizzando Core War, un ambiente di programmazione competitiva, un mix di quattro modelli, tra cui GPT-5.4-mini e Claude Sonnet 4.6, ha ottenuto ottimi risultati.
Fatti principali
- DEI assegna LLM eterogenei come operatori di mutazione tra nodi peer.
- I nodi comunicano con operazioni collettive non bloccanti.
- DEI estende il framework Digital Red Queen.
- I nodi condividono le soluzioni locali ottimali alla fine di ogni round.
- La pressione avversaria tra modelli guida la robustezza oltre il self-play intra-modello.
- Valutato nel dominio Core War.
- Core War è un benchmark di programmazione competitiva con programmi guerrieri Redcode.
- L'insieme include GPT-5.4-mini, Claude Sonnet 4.6, GPT-5.2 e Claude Haiku 4.5.
Entità
Istituzioni
- arXiv