AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：进化算法×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
11:07
11:07arXiv cs.AI@Duc-Cuong Dang, Andre Opris, Dirk Sudholt
本文首次对 SPEA2 算法中处理支配解的部分进行了运行时分析，发现其在 OneTrapZeroTrap 基准上无法像 NSGA-II 等算法一样高效覆盖帕累托前沿。问题根源在于使用 k 近邻距离进行适应度分配，导致对支配个体的多样性维持不足。为此，作者提出改进版本 SPEA2$^+$，采用所有成对距离进行密度估计，在复杂问题上达到与其他主流算法相同的性能保证，同时在简单问题上保持原算法表现。实验验证了理论分析的正确性。
论文多目标优化进化算法SPEA2运行时分析密度估计
推荐理由：多目标优化研究者终于有了 SPEA2 的理论短板分析——原版在支配解处理上存在盲区，SPEA2$^+$ 的改进思路（全距离密度估计）简单有效，做进化算法理论或应用的团队值得关注。
原文
5月20日
11:35
11:35arXiv cs.LG@Nico Pelleriti, Sree Harsha Nelaturu, Zhanke Zhou, Zongze Li, Max Zimmer, Bo Han, Sebastian Pokutta
精选72°
最新研究指出，将 LLM 与进化搜索结合的编码智能体在数学发现和算法设计上表现强劲，但进步可能源于多种机制：新算法结构、调整现有策略、重组模型内部知识或过拟合评估器。为区分这些机制，研究者推出了 EvoTrace 数据集，涵盖四种进化框架、推理与非推理模型及 16 个任务。他们开发了 EvoReplay 方法，通过重放分析高分解背后的局部搜索状态，并标注了九种编辑类型。结果发现，大部分得分提升来自少数编辑类型，且约 30% 的代码行是重复引入的已删除行，表明基准进步可能并非真正的新算法结构。
论文进化算法编码智能体LLMEvoTrace基准分析
推荐理由：做 AI 编码智能体或进化算法研究的开发者，这篇论文帮你拆解了 benchmark 分数的真实来源——别再只看最终得分了，EvoTrace 让你看清智能体到底在“进化”什么。
原文