Компьютерные науки > Машинное обучение [представлено 7 октября 2026 года] Название: Kernel AutoResearch for Open-Spective Model Discovery View PDF HTML (экспериментальный) Резюме: Kernels кодирует индуктивную ошибку широкого круга моделей машинного обучения, однако автоматизированная конструкция ядра сталкивается с фундаментальной дилеммой. Фиксированная грамматика ядер оснований и операторов гарантирует достоверность, но ограничивает поиск конструкций такими строительными блоками. И наоборот, неограниченные программы устраняют это ограничение, но более не гарантируют его действительность. В ходе наших испытаний на стрессовую нагрузку 22-58% ядер, генерируемых МУЗ и прошедших количественную проверку случайных входных данных, не проходят оценку при различных масштабах или размерах. Мы предлагаем Кернел Аутоисследование (Kernaut), в котором дизайн ядра рассматривается как открытое открытие модели. Кодирующие агенты пишут ядра в качестве программ, а строительные контракты обеспечивают обоснованность каждого признанного ядра. В архиве по качеству сохраняются высокоэффективные ядра с различными видами поведения, а новизна скрининг направляет агентов на функционально новых кандидатов. Наши эксперименты показывают, что обнаруженные ядра кодируют повторное использование индуктивных предубеждений, которые обобщают невидимые задачи. В черных коробках, где не хватает средств для оптимизации, обнаруженное ядро превзошел метаизуенное глубокое ядро, обученное тем же самым эпизодам. Кроме…
Аутоисследования ярлыков для открытого моделирования
arXiv: 2610.103094v1 Тип уведомления: новое резюме: ядра кодируют индуктивную ошибку широкого круга моделей машинного обучения, однако автоматизированная конструкция ядер сталкивается с фундаментальной дилеммой. Фиксированная грамматика ядер оснований и операторов гарантирует достоверность, но ограничивает поиск конструкций такими строительными блоками. И наоборот, неограниченные программы устраняют это ограничение, но более не гарантируют его действительность. В ходе наших испытаний на стрессовую нагрузку 22-58% ядер, генерируемых МУЗ и прошедших количественную проверку случайных входных данных, не проходят оценку при различных масштабах или размерах. Мы предлагаем Кернел Аутоисследование (Kernaut), в котором дизайн ядра рассматривается как открытое открытие модели. Кодирующие агенты пишут ядра в качестве программ, а строительные контракты обеспечивают обоснованность каждого признанного ядра. В архиве по качеству сохраняются высокоэффективные ядра с различными видами поведения, а новизна скрининг направляет агентов на функционально новых кандидатов. Наши эксперименты показывают, что обнаруженные ядра кодируют
