Aktuelle Neuigkeiten
Vertiefende Einblicke in Evolutionäre Berechnung, Projekt-Updates und Community-News.
AutoPSO: GPU-Rechenleistung × Meta-Evolution → Vollautomatische Partikelschwarmoptimierung
Das vom EvoX-Team vorgeschlagene AutoPSO, veröffentlicht in IEEE TEVC, kodiert die Parameterkonfiguration, die Lernmechanismen und die Schwarmstruktur von PSO einheitlich in einen durchsuchbaren evolutionären Raum und sucht per Meta-Evolution automatisch die optimale PSO-Variante für ein bestimmtes Zielproblem.
EvoX Genesis: Ein rekursives KI-System für langfristige autonome Software-Evolution, das einen 250.000-Zeilen-C-Compiler von Grund auf gebaut hat
Das EvoX-Team des Departements für Datenwissenschaft und Künstliche Intelligenz der Hong Kong Polytechnic University hat EvoX Genesis veröffentlicht, ein rekursives KI-System für langfristige autonome Software-Evolution. Statt sich auf einen persistenten Agenten zu verlassen, der langfristige Entwicklung aufrechterhält, lässt es die Softwarewelt selbst weiter evolvieren: Ausgehend von einem leeren Repository hat das System in 123,4 Stunden einen C-Compiler mit 248.989 Zeilen gebaut, bei Modell-Token-Kosten von nur 44,38 $.
Codex für EvoX: Algorithmen entwerfen, Code migrieren und reproduzierbare Experimente durch Konversation durchführen
Evolutionäre Berechnung tritt in die KI-native Ära ein. Mit Codex als repräsentativem KI-Coding-Agenten wandelt EvoX Absichten in natürlicher Sprache in ausführbare Workflows der evolutionären Berechnung um — einschließlich Problemmodellierung, Algorithmusmigration, neuroevolution ohne Backpropagation und GPU-Tensorisierung.
EvoGM: autonome Modellfusion durch Populationsentwicklung ohne erneutes Training
Das EvoX-Team in Zusammenarbeit mit dem Peng Cheng Laboratory stellt EvoGM vor, ein generatives evolutionäres Modellfusion-Framework, das die Suche nach Fusionskoeffizienten in ein lernbares generatives Optimierungsproblem umwandelt und autonome Modellfusion ermöglicht, ohne die beteiligten großen Modelle erneut zu trainieren.
EvoGP: Ein GPU-natives Framework für baumbasierte Genetic Programming mit 10^11 GPops/s
EvoGP reorganisiert Baumdarstellung, genetische Operatoren und parallele Ausführung von Grund auf neu und erreicht einen Spitzendurchsatz von über 10^11 GPops/s sowie bis zu 304× Beschleunigung gegenüber bestehenden GPU-Implementierungen.
EvoGO: GPU Computing × Generatives Lernen → Ein neues Paradigma für evolutionäre Algorithmen mit 10-Generationen-Konvergenz
EvoGO ist ein vollständig datengesteuertes evolutionäres Optimierungs-Framework, das lernt, wie man aus vergangenen Sucherfahrungen bessere Lösungen generiert, und bei komplexen hochdimensionalen Aufgaben eine schnelle, starke Leistung erzielt.
iStratDE: GPU-Computing x ultragroße Populationen erschließen das volle Potenzial der Differentiellen Evolution
Das EvoX-Team stellt iStratDE vor, eine GPU-beschleunigte Methode der Differentiellen Evolution, die auf Individuen-Ebene feste Strategien zuweist und so eine kommunikationsfreie, massiv parallele Suche mit starker empirischer Leistung und theoretischen Konvergenzgarantien ermöglicht.
EvoX-Schnellstart: Führen Sie GPU-beschleunigte evolutionäre Berechnungen in nur 10 Minuten aus
Ein Einsteiger-Tutorial, um in nur 10 Minuten mit GPU-beschleunigten evolutionären Berechnungen unter Verwendung von EvoX zu beginnen.
GPU-beschleunigte evolutionäre mehrkriterielle Optimierung
Verbindung von evolutionärer mehrkriterieller Optimierung und GPU-Beschleunigung durch Tensorisierung, Einführung der EvoMO-Bibliothek.
MetaDE: Entwicklung von Differential Evolution durch Differential Evolution
MetaDE ist eine meta-evolutionäre Methode, die Differential Evolution nutzt, um ihre eigenen Hyperparameter und Strategien zu entwickeln, veröffentlicht in IEEE TEVC.