标签
PINNForge 是一个由大型语言模型驱动的进化框架,用于自动化设计求解偏微分方程的物理信息神经网络,通过执行反馈达到最先进的性能。
EvoRank是一个LLM引导的进化系统,用于发现电子商务中的多目标排序学习管道,它展示了相对于基线的可迁移改进,并包含审计工具。
本文提出候选命运核算,作为一种框架,用于审计传感器诊断中的自动化机器学习管道搜索,通过跟踪所有候选及其结果来提升透明度。
本文系统评估了五种用于AutoML的训练-测试分割策略,表明基于几何的方法在保持分布相似性方面不如随机/分层分割有效,并提出了Optimised-Distribution方法,实现了89%的相似度。
本文扩展了LLaMEA框架,利用大型语言模型作为进化策略中的变异和交叉算子,自动设计多目标贝叶斯优化算法,在合成和实际问题中以显著更低的计算成本实现了最先进的精度。
介绍AgentNAS,一种利用大语言模型(LLM)生成初始架构并将其分解为槽位架构的机制,从而为传统神经架构搜索(NAS)定义任务特定的搜索空间,在17项任务中的11项上取得了最先进的结果。
MLEvolve是一个基于LLM的自我进化多智能体框架,用于自动化机器学习算法发现。它将树搜索扩展为Progressive MCGS,并引入基于图的跨分支信息流和Retrospective Memory。该框架在MLE-Bench上取得了最先进的性能,并在数学算法优化任务上优于AlphaEvolve。