- 针对特定图像增强技术演化的损失函数
通过进行演化搜索找到了一种名为逆贝塞尔对数损失的单一损失函数，它在多数实验中表现优于交叉熵。
- 动态品质多样性搜索
该论文介绍了一种新颖且通用的动态质量多样性 (Dynamic QD) 方法，旨在在环境发生变化的情况下更新过去解决方案的存档，并将其应用于进化搜索的动态环境。
- 去噪扩散自适应模型
该论文介绍了一种名为 Denoising Diffusion Step-aware Models (DDSM) 的新型框架，通过使用一系列根据每个生成步骤重要性进行自适应调整的神经网络，以进化搜索的方式解决了生成过程中存在的整体网络计算的瓶 - 视觉变换器损失景观中的量化问题
使用进化搜索方法改进了通过渐进方法进行量化尺度优化的神经网络的性能，特别在极端量化情况下表现出鲁棒性。
- 用简单的进化思想辅助基于梯度的强化学习
我们提出了一种简单而有效的强化学习算法，通过使用进化算子在强化学习中引入大的有向学习步骤，并使用具有共同经验缓冲区的强化学习代理人种群进行训练，从而有效地搜索策略空间。
- 发现图生成算法
本论文提出了一种新颖的构建图的生成模型的方法，该方法使用了进化搜索和图神经网络实现了强大的适应度函数，从而在一定程度上实现了深度生成模型所不具备的优点，如更高的泛化能力和直接的可解释性。
- 将进化搜索与行为克隆相结合，用于程序生成内容
本文提出了一种将进化搜索和强化学习相结合的框架，通过行为克隆将演化的关卡序列提炼为策略，以生成更快速的关卡，我们将其应用于迷宫游戏和超级马里奥兄弟中，结果表明该方法能够显著缩短关卡生成的时间。
- RankNEAT：在偏好学习任务中优于随机梯度搜索
通过神经进化的模式识别算法来训练神经网络，RankNEAT 算法通过学习排序来优于传统的梯度优化算法，在情感计算中预测三个不同游戏的玩家焦虑状态。
- 朝着更少限制的宏观神经架构搜索
本文提出了一种名为 LCMNAS 的方法，它能够在非约束搜索空间条件下执行宏搜索，同时不依赖于预定义的启发式算法或范围限制，并引入三个组成部分来推动神经架构搜索方向的发展：利用有关广泛应用架构的信息，自主生成基于具有隐藏属性的加权有向图的复 - 演化图像组合特征表示学习
本文提出一种名为 PatchMix 的数据增强方法，并结合卷积神经网络进行训练，使得在广泛数据集上展现出了更好的迁移学习能力，同时还探索了进化搜索作为指导策略的方法。
- CVPRBCNet: 双向耦合网络搜索网络宽度
本文提出了双向耦合网络 (BCNet) 的概念，使用随机补充和先验采样技术来训练 BCNet，能够更准确地评估每个网络宽度。在 CIFAR-10 和 ImageNet 数据集上的实验表明，该方法在性能上超越了其他基线方法，并通过对 NAS - AAAI部分优于全部：重温少样本学习的微调策略
本文提出了一种针对 few-shot learning 中使用的分类器训练，通过在基础模型中冻结或微调特定层以转移部分知识来提高性能，并引入基于进化搜索的方法以自动化此选择过程，以得到在 CUB 和 mini-ImageNet 中具有最先进 - ICML无需训练的神经架构搜索
本研究使用网络激活度重叠的方式实现预测神经网络的训练精度，并将其应用于神经结构搜索，以实现在单个 GPU 上进行快速网络搜索。同时，我们还提出了一种基于正则化进化搜索的适应方法，以进一步提高搜索效率。
- 发现参数激活函数
本文提出了一种使用进化搜索和梯度下降优化参数的方法来自动定制激活函数，实现对深度学习网络性能的可靠优化，验证结果表明该方法可以用作新任务的自动优化步骤。
- CVPR基于进化搜索的二值化 MobileNet
本研究提出了使用进化搜索来促进 MobileNet 的二值化设计和训练方案，通过操作组卷积的想法来设计高效的 1 位卷积神经网络，从而探索最佳的候选组卷积，以优化模型性能，并在 ImageNet 上进行了各种实验，展示了我们的构建指南，最终 - 基于无模型强化学习的乒乓球机器人
通过控制机器人关节以 100Hz 的速度返回乒乓球，我们提出了一种模型无关的算法，并证明了进化搜索方法能够在非视觉输入和时间之间卷积的基础上作用于基于 CNN 的策略体系结构，学习紧凑的控制器，在适当调整任务和奖励的情况下，策略能够发展多模 - ICML从零开始进化机器学习算法的 AutoML
本文旨在通过引入一个新颖的框架，展示 AutoML 可以进一步通过基本数学运算作为构建块自动发现完整的机器学习算法，从而大大减少人类偏见，并通过演化搜索不同类型的任务来适应算法。
- 可控游戏层次混合的变分自编码器方法
本研究使用变分自编码器（VAEs）对游戏关卡进行创意设计，通过训练 VAE 于超级马里奥兄弟和战神等游戏的数据，捕捉潜在空间，然后将这些空间用于生成结合了两种游戏特征的新的关卡片段，并通过潜在空间中的进化搜索进行进一步的优化。与类似的生成模