論文の概要: RevoNAD: Reflective Evolutionary Exploration for Neural Architecture Design

• arxiv url: http://arxiv.org/abs/2512.05403v1
• Date: Fri, 05 Dec 2025 03:47:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.88797
• Title: RevoNAD: Reflective Evolutionary Exploration for Neural Architecture Design
• Title（参考訳）: RevoNAD: ニューラルアーキテクチャ設計のためのリフレクティブ進化的探索
• Authors: Gyusam Chang, Jeongyoon Yoon, Shin han yi, JaeHyeok Lee, Sujin Jang, Sangpil Kim,
• Abstract要約: RevoNADは、LLMベースの推論とフィードバック整合アーキテクチャ検索を橋渡しする、反射的進化的オーケストレータである。 CIFAR10、CIFAR100、ImageNet16-120、COCO-5K、Cityscapeで最先端のパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 13.808891421521432
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent progress in leveraging large language models (LLMs) has enabled Neural Architecture Design (NAD) systems to generate new architecture not limited from manually predefined search space. Nevertheless, LLM-driven generation remains challenging: the token-level design loop is discrete and non-differentiable, preventing feedback from smoothly guiding architectural improvement. These methods, in turn, commonly suffer from mode collapse into redundant structures or drift toward infeasible designs when constructive reasoning is not well grounded. We introduce RevoNAD, a reflective evolutionary orchestrator that effectively bridges LLM-based reasoning with feedback-aligned architectural search. First, RevoNAD presents a Multi-round Multi-expert Consensus to transfer isolated design rules into meaningful architectural clues. Then, Adaptive Reflective Exploration adjusts the degree of exploration leveraging reward variance; it explores when feedback is uncertain and refines when stability is reached. Finally, Pareto-guided Evolutionary Selection effectively promotes architectures that jointly optimize accuracy, efficiency, latency, confidence, and structural diversity. Across CIFAR10, CIFAR100, ImageNet16-120, COCO-5K, and Cityscape, RevoNAD achieves state-of-the-art performance. Ablation and transfer studies further validate the effectiveness of RevoNAD in allowing practically reliable, and deployable neural architecture design.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩により、ニューラルネットワーク設計(NAD)システムは、手動で定義された検索空間から制限されない新しいアーキテクチャを生成できるようになった。 トークンレベルの設計ループは離散的で微分不可能であり、フィードバックがアーキテクチャの改善を円滑に導くのを防ぐ。 これらの手法は、一般的にはモード崩壊によって余分な構造に陥り、建設的推論が十分に根付いていない場合に、実現不可能な設計に向かって漂流する。 本稿では,LLMに基づく推論をフィードバック整合型アーキテクチャサーチで効果的に橋渡しする進化的オーケストレータであるRevoNADを紹介する。 まず、RevoNADは、分離された設計ルールを意味のあるアーキテクチャ上の手がかりに転送するマルチラウンドのマルチエキスパート合意を提示します。 そして、適応反射探索は報酬分散を利用した探索の度合いを調整し、フィードバックが不確実なときを探索し、安定性に達するときを精査する。 最後に、Pareto-Guided Evolutionary Selectionは、正確性、効率性、レイテンシ、信頼性、構造多様性を共同で最適化するアーキテクチャを効果的に推進します。 CIFAR10、CIFAR100、ImageNet16-120、COCO-5K、Cityscapeの他、RevoNADは最先端のパフォーマンスを実現している。 アブレーションとトランスファーの研究は、実用的な信頼性とデプロイ可能なニューラルアーキテクチャ設計を可能にするRevoNADの有効性をさらに検証している。

関連論文リスト

• ReNF: Rethinking the Design Space of Neural Long-Term Time Series Forecasters [48.79331759671512]
  本稿では,提案手法の理論的基礎となるマルチプルニューラル予測定理を提案する。 自動回帰(AR)と直接出力(DO)の両方の利点を組み合わせた新しい予測戦略であるブースト・ダイレクト・アウトプット(BDO)を提案する。
  論文  参考訳（メタデータ） (2025-09-30T08:05:59Z)
• InvFussion: Bridging Supervised and Zero-shot Diffusion for Inverse Problems [76.39776789410088]
  この研究は、教師付きアプローチの強いパフォーマンスとゼロショットメソッドの柔軟性を組み合わせたフレームワークを導入している。 新規なアーキテクチャ設計では、分解演算子を直接デノイザにシームレスに統合する。 FFHQとImageNetデータセットの実験結果は、最先端の後方サンプリング性能を示している。
  論文  参考訳（メタデータ） (2025-04-02T12:40:57Z)
• NADER: Neural Architecture Design via Multi-Agent Collaboration [37.48197934228379]
  ニューラルアーキテクチャ設計(NAD)を多エージェント協調問題として定式化する新しいフレームワークであるNADERを紹介する。 本稿では,即時フィードバックと長期経験から効果的に学習するリフレクタを提案する。 ニューラルアーキテクチャを表現するためにコードを使った従来のLCMベースの手法とは異なり、グラフベースの表現を用いる。
  論文  参考訳（メタデータ） (2024-12-26T13:07:03Z)
• Towards Architecture-Agnostic Untrained Network Priors for Image Reconstruction with Frequency Regularization [14.73423587548693]
  ネットワーク先行のスペクトルバイアスを直接変調する効率的なアーキテクチャ非依存手法を提案する。 ほんの数行のコードで、パフォーマンスの低いアーキテクチャでの過度な適合を減らし、パフォーマンスの低いアーキテクチャとパフォーマンスのギャップを埋めることができます。 その結果、アーキテクチャ上のバイアス、過度な適合、および未トレーニングのネットワークプリエントのランタイム上の問題に、アーキテクチャの変更なしに同時に対処できることが初めて明らかとなった。
  論文  参考訳（メタデータ） (2023-12-15T18:01:47Z)
• RING-NeRF : Rethinking Inductive Biases for Versatile and Efficient Neural Fields [1.1816466088976698]
  本稿では2つの帰納バイアスを含むRING-NeRFアーキテクチャを提案する。 単一の再構成プロセスは、誘導バイアスを生かし、オンパー性能を実験的に示す。 また、これらの帰納バイアスを生かした単一再構成プロセスを設計し、オンパー性能を実験的に実証する。
  論文  参考訳（メタデータ） (2023-12-06T08:54:04Z)
• Stabilizing Differentiable Architecture Search via Perturbation-based Regularization [99.81980366552408]
  最終アーキテクチャを蒸留する際の劇的な性能低下につながる急激なバリデーション損失の状況は、不安定を引き起こす重要な要因であることがわかった。 本研究では,DARTSに基づく手法の汎用性の向上と損失景観の円滑化を図るため,摂動型正規化(SmoothDARTS)を提案する。
  論文  参考訳（メタデータ） (2020-02-12T23:46:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。