定義 AlphaEvolve 用途的搜尋空間和決策變數時，需要以程式碼正確制定問題，並提供可運作的基準解決方案，供演化啟發式方法重複運算及改善。
這項程序包括：
提供目標情境：為最佳化用途建立背景、網域規則和效能界線。
提供乾淨的基準：提供清楚且架構完善的程式碼，正確實作目標問題的基準解決方案。
標記自由度：在程式碼集加上明確的
EVOLVE-BLOCK註解，標記代理可變動及探索的特定決策變數、邏輯結構或常式，找出效能更高的解決方案。
初始計畫的結構
初始程式由兩種主要區塊類型組成，可決定演化搜尋的界線：
不可變動的程式碼區塊：樣板程式碼、輔助函式和依附元件，可限制搜尋空間或執行不會影響解決方案效能的工作 (例如標準前處理步驟或資料處理常式)。
可變動程式碼區塊 (
EVOLVE-BLOCK)：包含特定決策變數、邏輯結構或分析運算式的目標區域，代理程式可探索及變動這些區域。import numpy as np # Code to constrain the search space (Immutable) def def_preprocessing(): """Feature engineering and preprocessing.""" pass # EVOLVE-BLOCK-START # Mutable block: Provides degrees of freedom for AlphaEvolve to optimize def model_tuning(): """Model tuning function: parametrized to take features.""" pass # EVOLVE-BLOCK-END # Boilerplate code that does not impact solution performance (Immutable) def batch_predictions(): """Inference function: batch predictions to test performance.""" pass
EVOLVE-BLOCK 格式設定規則包括：
- 獨立行：
EVOLVE-BLOCK-START和EVOLVE-BLOCK-END註解標記必須單獨出現在各自的行中。請勿在標記的同一行放置程式碼或其他內容，但空白字元和註解前置字元 (例如#或//) 除外。 - 必須有可編輯的程式碼：開始和結束標記之間的區域必須至少包含一行可編輯的程式碼。如果程式碼區塊只包含空白字元、註解或文件字串，系統會拒絕並顯示驗證錯誤，因為 AlphaEvolve 無法演化可變動的邏輯。
- 不支援巢狀結構：系統不支援巢狀結構的演進區塊。
縮減搜尋空間的最佳做法
您如何安排不可變動的匯入項目，並明確放置演進區塊，會顯示 AlphaEvolve 的運作界線。
管理程式庫匯入作業和依附元件
AlphaEvolve 無法判斷哪些外部程式庫適用於您的正式環境。
允許開放式探索：如果任何機器學習或數學套件都能接受，以盡量提高指標，請將匯入內容放在可變動的 EVOLVE-BLOCK 內。這讓 AlphaEvolve 可以自由替換替代架構 (例如將 sklearn 換成 TensorFlow 或 xgboost)。
強制執行嚴格的工具鍊：如果所有模型都必須來自特定套件，請在演進區塊外將該套件宣告為不可變動的匯入項目。如果 AlphaEvolve 在搜尋期間需要該套件中的其他內部模組，仍可在可變動空間中匯入這些模組，不會違反全域限制。
避免搜尋空間過度受限
在初始程式或使用者提供的額外文字內容中，盡可能將硬性限制設為不可變更的程式碼區塊。這樣可盡量避免代理程式探索結構上不可行的解決方案。
不過，請勿將搜尋空間縮小到演化方法變得多餘的程度。舉例來說，強制 AlphaEvolve 只使用單一參數線性迴歸，可將問題縮減為標準格線搜尋公用程式可剖析的狹窄設定空間。請改用軟性限制做為評估條件中的負面懲罰，引導探索，但不要扼殺探索。
策略性地放置區塊，達成指定目標
EVOLVE-BLOCK 範圍不同，管道的整體最佳化目標也會隨之改變：
最佳化樣本外 (OOS) 校準：如果目標是廣泛的演算法探索，請將區塊納入整個模型調整和初始化常式周圍。
最佳化結構合適度：如要保留線性框架，但探索複雜的數據分析運算式或自訂數學轉換，請嚴格將可變動的模塊隔離在特徵轉換邏輯周圍，保持下游模型架構固定且不可變動。
保留模組化階層 (HDL/Verilog 範例)：最佳化結構程式碼區塊設定時，請將 EVOLVE-BLOCK-START 和 EVOLVE-BLOCK-END 標記嚴格保留在模組定義界線內。這可防止搜尋啟發式演算法做出結構無效的動作，例如嘗試以多個未對應的浮動子模組，取代單一乾淨的模組。