Créer des modèles candidats
01
IA générative
Faire évoluer les modèles eux-mêmes — fusion de modèles experts, optimisation de la génération et recherche de nouvelles architectures.
EvoGM · Fusion évolutive de modèlesDernières Nouvelles
Voir toutes les actualitésGenesis Assistant : mieux comprendre et piloter le travail en cours
Consulter les tâches, comprendre la capacité du système et agir dans une même conversation. Les changements récents de la branche main simplifient aussi services distants, tâches de fond et identifiants des modèles.
Genesis : préserver les progrès logiciels lors d'un changement de modèle
Une reprise de compilateur explore comment code accepté, structure du projet et validations soutiennent le développement lorsque le modèle change.
Notes de version d’EvoX v1.4.1
Corrections de CMA-ES, des variantes DE, de PSO, des stratégies d’évolution, de la sélection par tournoi et du calcul de l’hypervolume.
01Pourquoi l'évolution
La puissance de l'évolution
L'évolution est la méthode la plus éprouvée de la nature pour créer de l'intelligence. EvoX applique cette boucle à l'IA : générer de nombreux candidats, les tester en conditions réelles, garder ce qui fonctionne et s'en servir comme base — les capacités se cumulent ainsi par l'expérimentation plutôt que par le réglage manuel.
Créer des candidats variés ; aux cycles suivants, reprendre les solutions retenues et les modifier légèrement.
02Applications
L'évolution à travers les paradigmes de l'IA
Des modèles aux agents, en passant par les robots et la découverte scientifique — une seule boucle évolutive, appliquée partout où l'intelligence doit s'adapter.
02À la une
Générer plusieurs solutions de code
IA agentique
Des agents récursifs qui décomposent, construisent et font évoluer des bases de code entières — d'un dépôt vide jusqu'au logiciel livré.
Genesis · Système agentique récursif03
Contrôler le pas, la levée, l’équilibre et le rythme
IA physique
Faire évoluer les politiques de contrôle des robots grâce à une interaction massivement parallèle avec des environnements simulés.
EvoRL · Apprentissage par renforcement évolutionnaire04
Proposer des profils de cambrure et d’épaisseur variées
IA pour la science
Optimisation boîte noire pilotée par les données pour la conception scientifique et technique, validée sur des profils d'aile supercritiques.
EvoGO · Conception de profils d'aile supercritiques03Matériel
Un calcul sans frontières
Des lots de tâches complexes au calcul tensoriel.
01Lots de tâches complexes
02EvoX · Tensorisation
03Calcul hétérogène
CPUGPUAccélérateur
- GPU NVIDIAPris en charge
- GPU AMDPris en charge via ROCm
- VulkanPris en charge via EvoX Compiler
- Apple SiliconPris en charge via MPS
- Huawei AscendValidation au niveau projet
- CPUPris en charge
- DistribuéExpérimental