arXiv · cs.AI · Shiwen Qin, Gabriela Kadlecov\'a, Martin Pil\'at, Shay B. Cohen, Roman Neruda, Elliot J. Crowley, Jovita Lukasik, Linus Ericsson · 8 小时前模型评分32
可迁移代理模型如何加速高表达力神经架构搜索
Transferrable Surrogates in Expressive Neural Architecture Search Spaces
导读
研究显示，在基于上下文无关文法的高表达力神经架构搜索（NAS，Neural Architecture Search）空间中，用零成本代理指标与神经图特征（GRAF）训练或微调现成大语言模型得到的代理模型，对架构性能在数据集内和跨数据集都有较强预测能力。这些代理模型可在新数据集上过滤掉差架构，显著加快搜索并取得更好的最终性能，还能直接作为搜索目标带来大幅加速。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We investigate surrogate model training for improving search in highly expressive NAS search spaces based on context-free grammars.”
来源：arXiv · cs.AI · arxiv.org