标签
本文提出EEG-AS，一种算法选择框架，通过重建行为实现在多个EEG基础模型之间的实例级选择，从而提高神经解码性能。
本文提出了一种自动化智能体方法，使用大型语言模型合成可解释的Python特征提取器，用于约束满足问题中的算法选择，性能优于专家精心设计的方法。
本文研究了权重共享的循环Transformer何时实现真正的算法，引入了预算定律，并展示了机制在不同训练预算间的可迁移性，对自适应计算和可解释性具有意义。
本文提出CASOP（上下文感知优化流水线合成与评估框架），用于仓库订单履约中优化流水线的上下文感知合成与评估，支持从模块化仓库中自动构建有效的算法流水线。