Quand un modèle de langage aide la recherche génétique

OOndine

Des chercheurs étudient si les programmes proposés par un grand modèle de langage peuvent guider un algorithme génétique dans la résolution de tâches d’ARC-AGI-2, dans une étude publiée sur arXiv. ARC-AGI-2 est un jeu d’évaluation composé de tâches que les systèmes doivent résoudre. Ici, les chercheurs associent deux méthodes qui ne font pas le même travail. Pour chaque tâche, un modèle Qwen3.5-4B quantifié produit des programmes candidats. Ces programmes servent de point de départ à l’algorithme génétique, qui les modifie et en teste de nouvelles versions pour chercher une solution. Les chercheurs utilisent un langage informatique dédié pour décrire ces programmes. Il est conçu pour que les modifications produisent toujours des programmes valides et exécutables. L’image, c’est celle d’une recherche avec une carte. Le modèle indique des chemins possibles, puis l’algorithme les explore en essayant des variantes. Sans ces premières pistes, une recherche aléatoire commence rarement dans une zone utile, expliquent les chercheurs. Le langage dédié permet de tester les programmes modifiés sans que chaque variante devienne inutilisable. Sur les 60 premières tâches de l’évaluation publique, les programmes proposés au départ par le modèle en résolvent 2. La recherche génétique en trouve 4 autres. Ensemble, les deux méthodes réussissent donc 6 tâches sur 60, soit 10,0 %. En revanche, sans les programmes de départ fournis par le modèle, l’algorithme génétique n’en résout aucune dans cette expérience. Le résultat montre que, sur cet essai, les deux approches se complètent : le modèle amorce la recherche, puis l’algorithme explore les possibilités. La mesure concerne uniquement les 60 premières tâches de cette évaluation.