Ultime Novità
Approfondimenti sul calcolo evolutivo, aggiornamenti del progetto e notizie dalla community.
AutoPSO: Potenza di calcolo GPU × Meta-evoluzione → Ottimizzazione a sciame di particelle completamente automatica
AutoPSO, proposto dal team EvoX e pubblicato su IEEE TEVC, codifica in modo uniforme la configurazione dei parametri, i meccanismi di apprendimento e la struttura dello sciame del PSO in uno spazio evolutivo ricercabile, e tramite meta-evoluzione cerca automaticamente la variante di PSO ottimale per un dato problema target.
EvoX Genesis: un sistema di IA ricorsivo per l'evoluzione autonoma del software a lungo termine, che ha costruito da zero un compilatore C di 250.000 righe
Il team EvoX del Dipartimento di Data Science e Intelligenza Artificiale della Hong Kong Polytechnic University ha rilasciato EvoX Genesis, un sistema di IA ricorsivo per l'evoluzione autonoma del software a lungo termine. Invece di affidarsi a un agente persistente per sostenere lo sviluppo su orizzonti temporali lunghi, lascia che sia il mondo software stesso a evolversi continuamente: partendo da un repository vuoto, il sistema ha costruito un compilatore C di 248.989 righe in 123,4 ore, con un costo complessivo in token del modello di soli 44,38 dollari.
Codex per EvoX: Progettare Algoritmi, Migrare Codice ed Eseguire Esperimenti Riproducibili Tramite Conversazione
Il calcolo evolutivo entra nell'era nativa per l'IA. Con Codex come agente di programmazione IA rappresentativo, EvoX trasforma l'intento in linguaggio naturale in flussi di lavoro di calcolo evolutivo eseguibili, coprendo la modellazione dei problemi, la migrazione del codice, la neuroevoluzione senza retropropagazione e la tensorizzazione su GPU.
EvoGM: fusione autonoma di grandi modelli tramite evoluzione di popolazione, senza ri-addestramento
Il team EvoX in collaborazione con il Peng Cheng Laboratory presenta EvoGM, un framework di fusione evolutiva generativa che trasforma la ricerca dei coefficienti di fusione in un problema di ottimizzazione generativa apprendibile, consentendo la fusione autonoma di modelli senza ri-addestrare i grandi modelli coinvolti.
EvoGP: un framework GPU nativo per la programmazione genetica ad albero a 10^11 GPops/s
EvoGP riorganizza da zero la rappresentazione ad albero, gli operatori genetici e l'esecuzione parallela, raggiungendo un throughput di picco superiore a 10^11 GPops/s e un'accelerazione fino a 304× rispetto alle implementazioni GPU esistenti.
EvoGO: Calcolo su GPU × Apprendimento Generativo → Un Nuovo Paradigma per gli Algoritmi Evolutivi con Convergenza in 10 Generazioni
EvoGO è un framework di ottimizzazione evolutiva completamente guidato dai dati che apprende come generare soluzioni migliori dall'esperienza di ricerca passata e ottiene prestazioni rapide e solide su compiti complessi ad alta dimensionalità.
iStratDE: GPU Computing x Popolazioni Ultra-Grandi Sbloccano il Pieno Potenziale dell'Evoluzione Differenziale
Il team di EvoX presenta iStratDE, un metodo di evoluzione differenziale accelerato su GPU che assegna strategie fisse a livello individuale, consentendo una ricerca parallela su larga scala senza comunicazione, con prestazioni empiriche solide e garanzie teoriche di convergenza.
Avvio rapido EvoX: esegui il calcolo evolutivo accelerato da GPU in soli 10 minuti
Un tutorial per principianti per iniziare con il calcolo evolutivo accelerato da GPU usando EvoX in soli 10 minuti.
Ottimizzazione multi-obiettivo evolutiva accelerata da GPU
Collegare l'ottimizzazione multi-obiettivo evolutiva e l'accelerazione GPU tramite tensorizzazione, con la libreria EvoMO.
MetaDE: evolvere l'evoluzione differenziale con l'evoluzione differenziale
MetaDE è un metodo meta-evolutivo che utilizza l'evoluzione differenziale per evolvere i propri iperparametri e strategie, pubblicato su IEEE TEVC.