Últimas Notícias
Mergulhos profundos em computação evolutiva, atualizações de projeto e notícias da comunidade.
AutoPSO: Poder de processamento GPU × Metaevolução → Otimização por enxame de partículas totalmente automática
A AutoPSO, proposta pela equipe EvoX e publicada na IEEE TEVC, codifica de forma uniforme a configuração de parâmetros, os mecanismos de aprendizado e a estrutura do enxame do PSO em um espaço evolutivo pesquisável, e por meio de metaevolução busca automaticamente a variante de PSO ótima para um determinado problema-alvo.
EvoX Genesis: Um Sistema de IA Recursivo para a Evolução Autônoma de Software a Longo Prazo, que Construiu do Zero um Compilador C de 250 Mil Linhas
A equipe EvoX do Departamento de Ciência de Dados e Inteligência Artificial da Universidade Politécnica de Hong Kong lançou o EvoX Genesis, um sistema de IA recursivo para a evolução autônoma de software a longo prazo. Em vez de depender de um agente persistente para sustentar o desenvolvimento de longo prazo, ele deixa o próprio mundo do software continuar evoluindo: partindo de um repositório vazio, o sistema construiu um compilador C de 248.989 linhas em 123,4 horas, com um custo total de tokens do modelo de apenas US$ 44,38.
Codex para o EvoX: projetar algoritmos, migrar código e rodar experimentos reprodutíveis por conversa
A computação evolutiva está entrando na era nativa de IA. Com o Codex como representante dos agentes de IA para programação, o EvoX transforma intenções em linguagem natural em fluxos de trabalho de computação evolutiva executáveis — abrangendo modelagem de problemas, migração de algoritmos, neuroevolução sem retropropagação e tensorização em GPU.
EvoGM: fusão autônoma de modelos de grande escala por meio de evolução populacional sem retreinamento
A equipe EvoX, em colaboração com o Laboratório Peng Cheng, apresenta o EvoGM, um framework de fusão evolutiva generativa de modelos que transforma a busca de coeficientes de fusão em um problema de otimização generativa aprendível, permitindo a fusão autônoma de modelos sem retreinar os modelos de grande escala participantes.
EvoGP: Uma framework nativa para GPU de programação genética baseada em árvores a 10^11 GPops/s
O EvoGP reorganiza a representação em árvore, os operadores genéticos e a execução paralela desde a base, atingindo throughput de pico superior a 10^11 GPops/s e aceleração de até 304× em relação às implementações GPU existentes.
EvoGO: Computação em GPU × Aprendizado Generativo → Um Novo Paradigma para Algoritmos Evolutivos com Convergência em 10 Gerações
O EvoGO é um framework de otimização evolutiva totalmente orientado a dados que aprende a gerar soluções melhores a partir da experiência de busca passada e alcança desempenho rápido e robusto em tarefas complexas de alta dimensão.
iStratDE: Computação GPU x Populações Ultra-Grandes Liberam Todo o Potencial da Evolução Diferencial
A equipe EvoX apresenta o iStratDE, um método de evolução diferencial acelerado por GPU que atribui estratégias fixas no nível individual, permitindo busca paralela em grande escala sem comunicação, com forte desempenho empírico e garantias teóricas de convergência.
Início Rápido com EvoX: Execute Computação Evolutiva Acelerada por GPU em Apenas 10 Minutos
Um tutorial para iniciantes para começar com computação evolutiva acelerada por GPU usando EvoX em apenas 10 minutos.
Otimização Multiobjetivo Evolucionária Acelerada por GPU
Unindo a Otimização Multiobjetivo Evolucionária e a aceleração por GPU via Tensorização, apresentando a biblioteca EvoMO.
MetaDE: Evoluindo a Evolução Diferencial por meio da Evolução Diferencial
MetaDE é um método meta-evolucionário que utiliza a Evolução Diferencial para evoluir seus próprios hiperparâmetros e estratégias, publicado na IEEE TEVC.