최근 LLM 기반 진화 계산(자기진화) 분야에서의 주목할 만한 성과, 특히 AlphaEvolve(Novikov 등, 2025; Georgiev 등, 2025)의 발전은 새로운 수학적 구성 발견 및 도전적인 최적화 문제 해결에 있어 놀라운 성공을 거두었다. 그러나 공개된 연구 논문에서 제시된 고수준의 설명은 구현 세부 사항을 다루지 않아 재현 가능성과 추가 연구를 방해하고 있다. 본 보고서에서는 AlphaEvolve의 아이디어를 영감으로 삼아 하이브리드 LLM-진화 접근법을 연구하고 실험할 수 있도록 지원하는 확장 가능한 오픈소스 프레임워크인 GigaEvo를 제안한다. 본 시스템은 다음과 같은 핵심 구성 요소의 모듈화된 구현을 제공한다: MAP-Elites 품질-다양성 진화 알고리즘, 비동기적 DAG 기반 평가 파이프라인, 통찰 생성 기능을 갖춘 LLM 기반 변이 연산자 및 양방향 계통 추적 기능, 그리고 유연한 다중 섬(Multi-island) 진화 전략. 재현 가능성 검증 및 본 구현의 타당성을 확인하기 위해, AlphaEvolve 논문에서 다룬 도전적인 문제들—히르브론 삼각형 배치 문제, 정사각형 내 원의 패킹 문제, 고차원 키싱 수(Kissing number) 문제—에 대해 GigaEvo를 평가하였다. 본 프레임워크는 모듈성, 동시성, 실험의 용이성을 중시하며, 선언적 구성(declarative configuration)을 통해 빠른 프로토타이핑을 가능하게 한다. LLM 기반 진화 방법에 대한 추가 연구를 지원하기 위해, 시스템 아키텍처, 구현 결정 사항, 실험 방법론에 대한 상세한 설명을 제공한다. GigaEvo 프레임워크 및 모든 실험 코드는 https://github.com/AIRI-Institute/gigaevo-core 에서 공개되어 있다.