Kernaut用编码代理自动发现可迁移核函数
热点事件持续更新
Kernaut用编码代理自动发现可迁移核函数
1 篇报道1 个报道来源58 分钟前更新
先了解这件事
AI 综述
港中深博士生 Richard Cornelius Suwandi 在 Cohere Labs 开放科学社区分享 Kernel Autoresearch（Kernaut），该方法让编码代理自动寻找机器学习模型的核函数，以缓解大语言模型生成的核在规模或维度变化后失效的问题。 实验显示，简单数值检查通过的 LLM 生成核中仍有 22%—58% 跨规模失效。Kernaut通过构造契约、质量与多样性档案及新颖性筛选发现核函数，相关核可迁移至黑盒优化、酶动力学等未见任务，无需再次调用 LLM，并保留为人类可读、可改进的解释性程序。
AI 根据报道生成 · 27 分钟前更新
最新进展11月14日 03:54
Kernaut：用 coding agent 自动发现核函数，22–58% LLM 生成核跨规模失效报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- AGI HuntKernaut：用 coding agent 自动发现核函数，22–58% LLM 生成核跨规模失效
Kernaut利用 coding agent 自动发现机器学习模型的核函数，并缓解 LLM 生成核在规模或维度变化后失效的问题。实测显示，22–58% 通过简单数值检查的 LLM 生成核跨规模失效；该方法结合构造契约、质量多样性 archive 与新颖性筛选，发现的核可迁移到黑盒优化和酶动力学等未见任务，无需再次调用 LLM，且保持为人类可读、可改进的可解释程序。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。