Últimas Notícias
Análises profundas sobre computação evolutiva, atualizações do projeto e notícias da comunidade.
AutoPSO: Poder de computação GPU × Metaevolução → Otimização por enxame de partículas totalmente automática
A AutoPSO, proposta pela equipa EvoX e publicada na IEEE TEVC, codifica de forma uniforme a configuração de parâmetros, os mecanismos de aprendizagem e a estrutura do enxame do PSO num espaço evolutivo pesquisável, e através de metaevolução procura automaticamente a variante de PSO ótima para um determinado problema-alvo.
EvoX Genesis: Um Sistema de IA Recursivo para a Evolução Autónoma do Software a Longo Prazo, Que Construiu do Zero um Compilador de C com 250 Mil Linhas
A equipa 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 autónoma do software a longo prazo. Em vez de depender de um agente persistente para sustentar o desenvolvimento de longo prazo, deixa o próprio mundo do software continuar a evoluir: partindo de um repositório vazio, o sistema construiu um compilador de C com 248 989 linhas em 123,4 horas, com um custo total em tokens do modelo de apenas 44,38 dólares.
Codex para o EvoX: conceber algoritmos, migrar código e executar experiências reprodutíveis através de conversa
A computação evolutiva está a entrar 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 modelação de problemas, migração de algoritmos, neuroevolução sem retropropagação e tensorização em GPU.
EvoGM: fusão autónoma de modelos de grande escala através de evolução populacional sem reentrenamento
A equipa EvoX, em colaboração com o Laboratório Peng Cheng, apresenta o EvoGM, um framework de fusão evolutiva generativa de modelos que transforma a pesquisa de coeficientes de fusão num problema de optimização generativa aprendível, permitindo a fusão autónoma de modelos sem reentrenar 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 um débito de pico superior a 10^11 GPops/s e uma aceleração de até 304× face às implementações GPU existentes.
EvoGO: Computação em GPU × Aprendizagem Generativa → Um Novo Paradigma para Algoritmos Evolutivos com Convergência em 10 Gerações
EvoGO é uma estrutura de otimização evolutiva totalmente orientada por dados que aprende a gerar melhores soluções a partir da experiência de pesquisa passada e atinge um desempenho rápido e robusto em tarefas complexas de alta dimensão.
iStratDE: Computação GPU x Populações Ultra-Grandes Libertam Todo o Potencial da Evolução Diferencial
A equipa EvoX apresenta o iStratDE, um método de evolução diferencial acelerado por GPU que atribui estratégias fixas ao nível individual, permitindo pesquisa paralela em grande escala sem comunicação, com forte desempenho empírico e garantias teóricas de convergência.
Início Rápido EvoX: Execute Computação Evolutiva Acelerada por GPU em Apenas 10 Minutos
Um tutorial para principiantes para começar a utilizar computação evolutiva acelerada por GPU com o EvoX em apenas 10 minutos.
Otimização Multiobjetivo Evolutiva Acelerada por GPU
Unindo a Otimização Multiobjetivo Evolutiva e a aceleração por GPU através da Tensorização, apresentando a biblioteca EvoMO.
MetaDE: Evoluindo a Evolução Diferencial através da Evolução Diferencial
O MetaDE é um método meta-evolutivo que utiliza a Evolução Diferencial para evoluir os seus próprios hiperparâmetros e estratégias, publicado na IEEE TEVC.