論文の概要: Hypernetworks That Evolve Themselves

• arxiv url: http://arxiv.org/abs/2512.16406v1
• Date: Thu, 18 Dec 2025 11:05:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.02219
• Title: Hypernetworks That Evolve Themselves
• Title（参考訳）: Hypernetworks, “Evolve Themselves”
• Authors: Joachim Winther Pedersen, Erwan Plantec, Eleni Nisioti, Marcello Barylli, Milton Montero, Kathrin Korte, Sebastian Risi,
• Abstract要約: 本稿では,自己参照グラフHyperNetworksを提案する。 ハイパーネットワーク、パラメータ生成、グラフベースの表現を統一することにより、自己参照型GHNは、選択可能な特性を適用しながら変更し、評価する。 我々の研究結果は、進化可能性自体が神経の自己参照から生まれるという考えを支持している。
• 参考スコア（独自算出の注目度）: 3.4524024382493774
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How can neural networks evolve themselves without relying on external optimizers? We propose Self-Referential Graph HyperNetworks, systems where the very machinery of variation and inheritance is embedded within the network. By uniting hypernetworks, stochastic parameter generation, and graph-based representations, Self-Referential GHNs mutate and evaluate themselves while adapting mutation rates as selectable traits. Through new reinforcement learning benchmarks with environmental shifts (CartPoleSwitch, LunarLander-Switch), Self-Referential GHNs show swift, reliable adaptation and emergent population dynamics. In the locomotion benchmark Ant-v5, they evolve coherent gaits, showing promising fine-tuning capabilities by autonomously decreasing variation in the population to concentrate around promising solutions. Our findings support the idea that evolvability itself can emerge from neural self-reference. Self-Referential GHNs reflect a step toward synthetic systems that more closely mirror biological evolution, offering tools for autonomous, open-ended learning agents.
• Abstract（参考訳）: 外部オプティマイザに頼ることなく、ニューラルネットワークはどのように進化するか? 本稿では,自己参照グラフHyperNetworksを提案する。 ハイパーネットワーク、確率的パラメータ生成、グラフベースの表現を統一することにより、自己参照型GHNは突然変異率を選択可能な特性として適用しながら変異し、評価する。 環境シフトを伴う新たな強化学習ベンチマーク(CartPoleSwitch, LunarLander-Switch)を通じて、自己参照型GHNは、迅速で信頼性の高い適応と創発的な人口動態を示す。 ローコモーションベンチマークのAnt-v5では、彼らはコヒーレントな歩留まりを進化させ、期待できるソリューションに集中するために、人口の変化を自律的に減少させることによって、有望な微調整能力を示す。 我々の研究結果は、進化可能性自体が神経の自己参照から生まれるという考えを支持している。 自己参照型GHNは、生物学的進化をより深く反映し、自律的でオープンな学習エージェントのためのツールを提供する合成システムへの一歩を反映している。

関連論文リスト

• From Agentification to Self-Evolving Agentic AI for Wireless Networks: Concepts, Approaches, and Future Research Directions [70.72279728350763]
  自律進化型エージェント人工知能(AI)は、将来の無線システムに新しいパラダイムを提供する。 静的AIモデルとは異なり、自己進化エージェントは、モデルやツールを更新し、環境ダイナミクスに対応する自律進化サイクルを組み込む。 本稿では,自己進化型エージェントAIの概要を概説し,その階層化アーキテクチャ,ライフサイクル,鍵となる技術について述べる。
  論文  参考訳（メタデータ） (2025-10-07T05:45:25Z)
• Generate, Discriminate, Evolve: Enhancing Context Faithfulness via Fine-Grained Sentence-Level Self-Evolution [61.80716438091887]
  GenDiE (Generate, Discriminate, Evolve) は、微粒な文レベルの最適化によって文脈忠実性を高める新しい自己進化フレームワークである。 応答中の各文を独立した最適化単位として扱うことで、GenDiEは以前のアプローチの限界に効果的に対処する。 ASQA(ドメイン内のLFQA)とConFiQAデータセットの実験は、GenDiEが忠実さと正しさの両方で様々なベースラインを超えることを示した。
  論文  参考訳（メタデータ） (2025-03-03T16:08:33Z)
• Rhythmic sharing: A bio-inspired paradigm for zero-shot adaptive learning in neural networks [0.0]
  脳は新しい状況に素早く適応し、限られたデータから学習する。 リンク強度の発振を利用した学習パラダイムを開発し,これらの発振の協調と学習の関連性について検討した。 リンクの発振は、調整を迅速に変更し、ネットワークが監督なしに微妙なコンテキスト変化を感知し、適応できるようにする。
  論文  参考訳（メタデータ） (2025-02-12T18:58:34Z)
• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• SELF: Self-Evolution with Language Feedback [68.6673019284853]
  SELF(Self-Evolution with Language Feedback)は、大規模言語モデルを進化させる新しいアプローチである。 LLMは、人間の学習プロセスと同様、自己回帰を通じて自己改善を可能にする。 数学および一般タスクにおける実験により,SELFは人間の介入なしにLLMの能力を高めることができることが示された。
  論文  参考訳（メタデータ） (2023-10-01T00:52:24Z)
• eVAE: Evolutionary Variational Autoencoder [40.29009643819948]
  変動情報ボトルネック(VIB)理論に基づく進化的変分オートエンコーダ(eVAE)の構築を提案する。 eVAEは変異遺伝的アルゴリズムを、変異突然変異、交叉、進化を含む変異進化演算子とVAEに統合する。 eVAEは、コンペティターよりもコンペティターのリコンストラクションロス、アンタングル、ジェネレーション-推論バランスが向上する。
  論文  参考訳（メタデータ） (2023-01-01T23:54:35Z)
• Empowered Neural Cellular Automata [0.0]
  エンパワーメントは、エージェントがその環境に与えるコントロールの量を測定する。 神経細胞オートマトンの発展における二次的な目的としてのエンパワーメントの追加は、形態形成のみの進化よりも高い適合性をもたらすことを示す。
  論文  参考訳（メタデータ） (2022-04-27T19:37:26Z)
• IE-GAN: An Improved Evolutionary Generative Adversarial Network Using a New Fitness Function and a Generic Crossover Operator [20.100388977505002]
  我々は、新しいフィットネス機能と汎用クロスオーバー演算子を導入するIE-GANと呼ばれる改良されたE-GANフレームワークを提案する。 特に、提案されたフィットネス機能は、個人の進化過程をより正確にモデル化することができる。 進化アルゴリズムで一般的に採用されているクロスオーバー演算子は、子孫が両親の優れた遺伝子発現を模倣することができる。
  論文  参考訳（メタデータ） (2021-07-25T13:55:07Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)

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。