Implementace byla dokončena v předstihu. Obsah předfinální verze technické zprávy byl konzultován, mé připomínky byly zapracovány.

Diplomantka samostatně vyhledávala odbornou literaturu a využívala ji.

Evaluation level: je v obvyklém rozmezí

Technická zpráva je svým rozsahem v obvyklém rozmezí.

Text je dobře čitelný a napsaný kvalitní angličtinou bez zjevných jazykových chyb. Z typografického hlediska lze vytknout pouze použití rastrové grafiky pro schémata návrhu a grafy experimentálních výsledků.

Studentka v rámci práce navrhla a implementovala metodu pro automatizovaný návrh programů kombinující GE a LLM. V této metodě GE zajišťuje nalezení korektního programu, zatímco LLM slouží k iterativnímu omezování prohledávacího prostoru prostřednictvím redukce dostupných gramatických pravidel. Zdrojové kódy jsou implementovány v jazyce Python, jsou logicky strukturované a kvalitně komentované.

V experimentální části jsou nejprve prezentovány výsledky zaměřené na nastavení parametrů navržené metody a následně výsledky jejího porovnání se základní GE a metodou ze zdroje [36], kterou navržená metoda dále rozvíjí. Experimentální vyhodnocení je provedeno na datové sadě PSB1 a je celkově navrženo i prezentováno přehledně a metodicky správně. Nastavení experimentů je popsáno srozumitelně, pouze chybí explicitní uvedení pravděpodobnosti křížení u navržené metody. Prezentované výsledky pro různá nastavení parametrů však ukazují značnou variabilitu (úspěšnost 53%, 43% a 63% pro shodné nastavení), což souvisí zejména s relativně nízkým počtem 30 nezávislých běhů pro každé nastavení. Zvýšení počtu běhů by přispělo k robustnějším závěrům a přesvědčivějšímu statistickému vyhodnocení. Zároveň není zcela přesvědčivě zdůvodněno finální nastavení s populací o velikosti 500 a 50 generacích, přestože výsledky ukazují, že menší populace s větším počtem generací mohou vést k lepším výsledkům.

Při porovnání navržené metody s GE a metodou ze zdroje [36] je důraz kladen především na metriku úspěšnosti na jednotlivých úlohách, neboli v kolika případech metoda nalezne zcela funkční řešení. Podrobnější výsledky jsou uvedeny pro vybrané úlohy, což poskytuje užitečný vhled do chování metod. Pro komplexnější posouzení by však bylo vhodné doplnit také informace o dosažených hodnotách fitness napříč všemi úlohami. Porovnání je navíc provedeno na základě pouze 10 nezávislých běhů, což omezuje sílu statistických závěrů, nikoli však správnost samotného experimentálního postupu.

Vzhledem k tomu, že navržená metoda využívá model z rodiny DeepSeek, zatímco práce [36] pracuje s modelem GPT-4, by bylo přínosné doplnit i experimentální srovnání vlivu použitého LLM na dosažené výsledky.

Evaluation level: průměrně obtížné zadání

Jedná se o zadání střední obtížnosti, které vyžaduje nastudování genetického programování (GP), velkých jazykových modelů (LLM) a metod kombinujících GP a LLM pro automatizovaný návrh programů. Na základě těchto znalostí bylo následně nutné navrhnout, implementovat a experimentálně vyhodnotit metodu pro automatizovaný návrh programů využívající kombinaci gramatické evoluce (GE) a LLM.