进度报告不应成为一代搜索中昂贵的部分。EvoGP 在 2026 年 10 月 16 日合入的改动 中,将适应度张量上的 Python 最大值、最小值计算替换为张量归约。这项修正针对标准流水线的报告开销,同时保留极值的原有含义。

概念插画:整体计算种群极值,而非逐个处理候选。
用张量运算处理种群统计
报告逻辑把适应度张量上的 Python 内置最大值、最小值运算替换为 torch.max 和 torch.min。通过 Python 遍历大型设备张量会增加语言边界的工作,而张量归约可以在数值框架内部处理。适应度函数本身较便宜时,这种差异尤为明显。
大种群符号回归中,候选表达式的评估可能高度并行,打印每代极值却意外昂贵。此修正消除两者的不匹配,同时保留统计含义。PR 报告了百万个体示例中的明显改善,但未提供完整基准协议;更有用的行动是分析整代耗时,包括进度报告。
对于已有实验,固定输入、种子和种群,比较开启与关闭报告时的完整整代耗时。增加工作量前,应确认报告极值与适应度张量一致。EvoGP 介绍 解释张量化程序树,独立的 AMD ROCm 更新 介绍硬件接入和扩展构建。归约变快或后端得到支持,都不能单独决定完整搜索的表现。