진행 보고가 탐색 세대의 비싼 작업이 되어서는 안 됩니다. EvoGP의 2026년 10월 16일 변경은 적합도 텐서에 대한 Python 최대·최소 연산을 텐서 축약으로 대체합니다. 극값의 의미를 유지하면서 표준 파이프라인의 보고 비용을 줄이는 수정입니다.

개념 삽화: 후보를 하나씩 처리하는 대신 개체군 극값을 집단적으로 계산합니다.
통계는 텐서 연산으로 처리
적합도 텐서의 Python 내장 최댓값·최솟값을 torch.max, torch.min으로 교체합니다. 큰 장치 텐서를 Python으로 순회하면 언어 경계 작업이 늘지만 텐서 축약은 수치 프레임워크 내부에서 처리합니다. 적합도 평가가 저렴한 경우 특히 중요합니다.
대규모 기호 회귀에서 표현식 평가는 병렬이어도 세대별 극값 출력은 비쌀 수 있습니다. 수정은 통계의 의미를 유지하면서 이 불균형을 줄입니다. PR은 백만 개체 예제의 큰 개선을 보고하지만 완전한 벤치마크 절차는 없습니다. 실제로는 보고 비용을 포함한 세대 전체를 프로파일링해야 합니다.
기존 실험은 입력, 시드, 개체군을 고정해 보고 기능 유무에 따른 전체 세대 시간을 비교하세요. 부하를 늘리기 전에 보고 극값이 적합도 텐서와 일치하는지 확인합니다. EvoGP 소개는 텐서화한 프로그램 트리를, 독립된 AMD ROCm 업데이트는 하드웨어 연결과 확장 빌드를 설명합니다. 빠른 축약이나 지원 백엔드만으로 전체 탐색 성능이 결정되지는 않습니다.