- 图像 - 文本多模型综述
在人工智能领域的演变环境中,图像与文本信息的融合已成为一个关键的领域,引发了图像 - 文本多模态模型的出现。本文全面回顾了图像 - 文本多模态模型的发展和现状,探讨了其应用价值、挑战和潜在研究方向。通过细分演化阶段,提出了三个不同阶段的分类 - 基于形态环境共进化的课程强化学习
通过 “形态环境共同进化(MECE)” 优化强化学习代理和形态,使其能够自动适应不断变化的环境,从而在不同环境中实现更好的泛化性能。
- CPMR:基于上下文的增量顺序推荐与伪多任务学习
通过创建三种不同动态下的用户和项目表示(静态嵌入、历史时间状态和上下文时间状态),同时使用伪多任务学习范式,将增量单目标推荐堆叠成一个多目标任务以进行联合优化,提出了一种上下文感知的伪多任务推荐系统(CPMR),以准确建模历史和上下文场景中 - 生物创造 CA:一个使用细胞自动机的生物制造项目
介绍了使用细胞自动机(CA)的生物制造项目 Biomaker CA。通过 CA 规则在 2D 网格上模拟复杂的生物群落,并通过 Python JAX 框架在 GPU 上并行计算,展示了该项目如何在多种环境和物理规律、不同的模型架构和变异策略 - 轨迹对齐:通过分岔理论理解稳定边缘现象
通过实证研究,证明最大特征值(也被称为锐度)沿着梯度下降轨迹的演化呈现出一种叫做稳定边缘现象(EoS)的现象,进一步证明了在合适的重新参数化下,不同的梯度下降轨迹会在一个特定的分叉图上对齐,从而建立了锐度逐步增加和 EoS 现象的理论分析。
- 基于热扩散动力学的图分类演化核方法
本文提出了一种基于物理学的热核和 DropNode 技术生成时间图增量的方法,用于描述系统的演变行为;同时,还提出了 GDTW 动态时间包裹距离的方法,用于量化演化系统之间的距离,结果在真实世界的结构图数据集上的分类问题中,通过演化核方法获 - 学习与进化:影响有效结合的因素
这篇论文通过一系列实证研究探讨结合学习和进化是否比单独使用进化更好,结果表明引入噪声可以改善此过程。
- 学习的进化理论:从自然选择到强化学习
本文探讨了进化和强化学习之间的联系和影响,并强调了强化学习原理提高对进化和反馈在进化系统中作用的理解的潜力。
- 自动说话人无关的视觉语音识别:全面调查
本研究调查了 1990 年至 2023 年间 Speaker-independent VSR 系统的演变,重点分析了数据集及预处理技术的应用,强调了发展端对端管道的必要性,同时指出了当前研究的局限性和未来方向。
- 高效符号通信码的演化
本文探讨了人类自然语言结构如何成为相互之间交流编码演化的产物,以最大化文化不可知和跨语言度量,如反熵,压缩因子和交叉分割 F1 得分,并在超参数空间中执行元学习,通过最大化上述度量,实现自然语言学习。文中介绍了针对俄语,英语和汉语的跨语言单 - 自然语言处理研究范式转变的历时分析:何时、如何和为何?
本研究提出了一个系统性的框架,使用因果推断与推理技术分析了科学领域中研究主题的演变趋势。通过对 ACL Anthology 语料库的广泛实验,我们有效地发现了自然语言处理研究主题的演进趋势和根本原因。
- 捕捉 Lenia 中不断出现的复杂性
对 Lenia 平台进行的人工生命研究,研究其生态系统,利用遗传算法识别复杂性,并找到未来演化的可能性。
- 自然选择偏爱 AI 胜过人类
分析了形成人工智能的环境,并指出竞争压力会产生具有自动化、欺骗和权力等不良特征的人工智能代理,同时又担心这些自私的代理对人类产生灾难性威胁,最后说明需设计人工智能代理的内在目标、引入行动限制并鼓励合作等干预方法以确保人工智能的良性发展。
- 动态社交网络中的基于模块化方法的社群跟踪
本论文提出了一种基于模块性的策略来有效检测和跟踪动态社区,在合成网络和 Twitter 网络中的实验结果表明该框架优于其他最先进的方法,并且它为不同的社交网络提供了一个有价值的工具,来理解社区在动态社交网络中的演化。
- 探索演化 MCTS UCT 选择策略的影响
本研究使用五个不同性质的函数展示了通过演化一个选择策略来改进 MCTS UCT 在多峰和欺骗性场景中效果的可能性,并且表明在单峰场景下 MCTS UCT 是鲁棒的且在本研究中使用的其余场景中具有竞争力。
- 语法形式的演化:一些数量化方法
通过静态和动态模型,我们使用统计物理学的概念阐述了语法形式演化的两种主要机制:传承机制和接触机制,静态模型强调规则和例外的相对数量,而动态模型则侧重于非正常形式的出现。
- 演化复杂性是困难的
通过比较数字逻辑门电路基因型 - 表型映射与生物学基因型 - 表型映射的数学定义,研究电路复杂度、表型复杂度与进化中的冗余、鲁棒性和进化性等性质之间的关系,发现由于表型稀有性、大型相互连接的中性网络和低稳健性的高突变负载,演化复杂度较难,提 - 使用遗传算法模拟进化
通过优化遗传算法,模拟物种在环境中的进化与自然选择,研究物种间相互作用,预测未来的变化,寻找生物进化的途径及其应用。
- Minecraft 建筑生成的开放式演化
本文提出了一种过程化内容生成器,根据新颖性的内在定义,演化 Minecraft 建筑物,评估个体的新颖性,通过 3D 自动编码器和探索转换阶段交替进行,使用不同方法训练自动编码器,通过重新训练自动编码器,使模型更加具有开放性复杂性,改进了候 - 有机体和机器进化之间的断层:混合微生物群落与机器的对比
本文从混合微生物群落的系统视角出发,探讨了显形空间的拓展对于生物进化中 afforances 的关键作用,与机器和机器人的人工进化进行了对比,并提出了实验方法。