Digital Red Queen: Adversarial Program Evolution in Core War with LLMs

Digital Red Queen(DRQ) 알고리즘은 대규모 언어 모델을 활용하여 Core War 환경에서 자기 수정 어셈블리 유사 프로그램을 진화시킨다.

Digital Red Queen(DRQ) 알고리즘은 대규모 언어 모델을 활용하여 Core War 환경에서 자기 수정 어셈블리 유사 프로그램을 진화시킨다. 이 프레임워크는 개방형 적대적 동역학 연구를 촉진하며, 지속적인 공진화가 어떻게 점점 더 범용적이고 견고한 프로그램 전략으로 이어지는지를 보여주고, 유전형 다양성과 함께 창발적 표현형 수렴 현상을 나타낸다.

핵심 요약

• 통제된 인공 시스템에서 'Red Queen' 동역학으로 알려진 개방형 적대적 진화 동역학을 이해하는 것이 과제다.
• 복잡한 적대적 환경 안에서 기능하는 프로그램을 위한 극도로 희소한 탐색 공간을 효율적으로 탐색하는 것이 과제다.
• 디지털 생태계에서 지속적인 적응과 반적응을 유도하는 단순하면서도 효과적인 자기 대전 메커니즘을 개발하는 것이 과제다.
• 각 라운드마다 이전에 생성된 모든 적대자에 대해 최적화하기 위해 새로운 프로그램을 진화시키는 최소한의 자기 대전 메커니즘이 Digital Red Queen(DRQ) 알고리즘이다.
• Core War를 자기 수정 Redcode 프로그램을 진화시키기 위한 샌드박스화된 튜링 완전 환경으로 활용하여, 복잡한 적대적 동역학을 위한 안전한 테스트베드를 제공한다.
• GPT-4.1 mini 같은 대규모 언어 모델(LLM)을 MAP-Elites 품질-다양성 알고리즘 안의 지능적 변이 및 생성 연산자로 통합하여, 프로그램 합성을 안내하고 다양성을 유지한다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.