研究人员推出了 Neuroevolution Arena,这是一个新颖的系统,旨在在竞争性人工智能生命框架内评估神经网络的更新-继承机制。该系统利用 GPU 加速,在 50,000 代的模拟中,采用三种不同的机制(EvoEvo、EvoRL、RLRL)和两种神经网络架构,模拟了神经网络细胞的空间生态系统。结果表明,与 EvoEvo 相比,支持强化学习(RL)的机制实现了更高的训练适应度,尽管结果显著受到特定神经网络架构和生成的训练产物的影响。 AI
影响 引入了一个新颖的评估框架,用于比较人工智能训练方法,可能影响进化算法和强化学习领域的未来研究。
排序理由 该集群包含一篇研究论文,详细介绍了神经进化的一种新评估协议和系统。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- arXivLabs
- EvoEvo
- EvoRL
- graphics processing unit
- Hugging Face
- Neuroevolution Arena
- alphaXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →