gigaevo-core

让大模型当变异器，自动迭代把程序改到更好

gigaevo-core 是一个用大语言模型驱动的进化算法框架，目标不是训练模型参数，而是自动改进程序本身。它把待优化的代码或程序当作进化个体，通过 LLM 生成变异版本，再依据适应度进行选择，反复迭代，让程序在无需人工逐行改写的情况下逐步变好。核心能力包括：定义可执行的程序个体与适应度评估函数，由 LLM 完成语义级变异而非随机字符扰动，维护种群并执行选择、淘汰与保留，支持多轮迭代直到达到目标或预算上限。它适合需要自动搜索更优实现、自动修复或优化代码的场景，把传统遗传编程的随机变异换成 LLM 的定向改写，减少无效尝试，提高搜索效率。项目处于早期，接口和稳定性仍在演进。

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 128

维护状态维护中

是否开源是

定价模式 free

项目数据

分类模型训练

开发团队FusionBrainLab

所属国家

官网地址https://airi-institute.github.io/gigaevo-cover

GitHubhttps://github.com/FusionBrainLab/gigaevo-core

定价模式free

价格说明开源项目，免费使用

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型evolution,language-model,llm

GitHub 星标★ 128

30天Star增速

HF 下载量

上线时间2025-11-17 00:00:00

最近更新2026-09-12 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-15

浏览次数0

使用教程

核心亮点

用 LLM 做语义级变异，比随机字符扰动更可能产生可运行且有意义的改进
把进化循环封装成可复用框架，只需提供程序个体和适应度函数即可跑通
Python 实现，依赖清晰，便于接入现有 LLM 接口和自定义评估逻辑

不足之处

项目早期，API 和内部结构可能频繁变动，缺少稳定版本文档
依赖 LLM 调用，迭代成本与延迟受模型服务影响，大规模种群搜索代价高

适用场景

自动优化算法实现或脚本，让程序在给定指标下迭代变好
自动修复或改进已有代码片段，减少人工反复调试
研究 LLM 与进化算法结合，做程序搜索或代码生成的实验平台

替代项目

OpenEvolve、FunSearch、AlphaEvolve

项目介绍

gigaevo-core 是一个模型训练领域的开源项目，官方简介：Evolutionary algorithm that uses Large Language Models (LLMs) to automatically improve programs through iterative mutation and selection。项目使用 Python 开发，在 GitHub 上获得 128 星标。

上一篇：MyLLM

下一篇：SteptronOss