神经网络架构搜索相关 AI 资讯 · AI 热点

8月17日

10:23

10:23

官方账号arXiv cs.AI@Abhishek Shukla, Ankur Sinha, Faiz Hamid

LP-NAS提出用线性规划求解可微分架构搜索中的更新方向，利用验证损失梯度与训练损失Hessian信息。该方法在DARTS搜索空间上派生出S-LP-DARTS和R-LP-DARTS两个变体，早期搜索迭代中收敛更快、验证性能更高。在CIFAR-10和CIFAR-100上，LP-DARTS在搜索与评估阶段均优于标准DARTS。与P-DARTS、PC-DARTS、STO-DARTS在CIFAR-10上的对比也显示其有效性，并在ImageNet上验证了迁移性。

论文 LP-NAS DARTS CIFAR-10

推荐理由：LP-NAS用线性规划算更新方向，CIFAR-10/ImageNet上优于DARTS及其变体。

5月19日

08:37

08:37

elvis@omarsar0

精选76°

Meta 提出 AIRA 智能体系统，通过两个分工明确的智能体（AIRA-Compose 负责宏观架构搜索，AIRA-Design 负责底层机制实现），在 24 小时计算预算内自主发现了超越 Llama 3.2 的神经网络架构（350M、1B、3B 规模）。该方法将策略制定与实现分离，相比单端到端智能体在真实搜索任务上表现更优。论文已公开，对架构搜索和智能体设计有重要参考价值。

论文 Meta AIRA 神经网络架构搜索

推荐理由：做架构搜索或智能体系统的开发者值得一看——AIRA 用双智能体分工策略解决了搜索效率问题，而且思路可以迁移到管道组装、查询规划等场景，直接参考论文实现。