内置任务¶
EvoToolkit 提供了多个预构建的优化任务，展示了 LLM 驱动进化在不同领域的强大功能。
可用任务¶
科学符号回归¶
学习如何从真实科学数据集中发现数学方程。
您将学到:
- 加载和使用科学数据集
- 创建科学符号回归任务
- 使用高级 evotoolkit.solve() API
- 比较不同的进化算法（EoH、EvoEngineer、FunSearch）
- 解释发现的方程
前置条件: 基础 Python 和 NumPy 知识
提示词工程¶
优化 LLM 提示词以提升任务性能。
您将学到: - LLM 提示词优化基础 - 使用字符串优化任务 - 进化提示词模板 - 评估和比较不同提示词
前置条件: 科学符号回归教程
对抗攻击¶
学习如何进化对抗样本和攻击算法。
您将学到: - 创建对抗攻击任务 - 进化攻击策略 - 生成对抗样本 - 评估攻击效果
前置条件: 科学符号回归教程，机器学习基础
CUDA 任务¶
使用 LLM 驱动的进化优化 GPU 内核。
您将学到: - 创建 CUDA 优化任务 - GPU 性能基准测试 - 进化高效的 CUDA 内核 - 处理编译和执行
前置条件: CUDA 编程基础、GPU 硬件
任务对比¶
| 任务 | 领域 | 难度 | 最适合 |
|---|---|---|---|
| 科学符号回归 | 数据科学 | 初级 | 学习基础，方程发现 |
| 提示词工程 | NLP/LLM | 中级 | 优化 LLM 交互 |
| 对抗攻击 | 安全/ML | 中级 | 安全研究，鲁棒性测试 |
| CUDA 任务 | GPU 计算 | 高级 | 性能优化 |
开始使用¶
- 从科学符号回归开始 如果您是 EvoToolkit 新手
- 尝试提示词工程 了解进化如何优化文本
- 探索对抗攻击 用于安全应用
- 掌握 CUDA 任务 进行 GPU 优化
每个教程都包含完整的、可运行的代码示例，您可以根据自己的问题进行调整。