PulseAugur
中
实时 13:30:32
实体 Design-Bench

Design-Bench

PulseAugur coverage of Design-Bench — every cluster mentioning Design-Bench across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_321763 ·

    新的可微分扩散条件方法优化物理系统

    研究人员推出了一种新颖的、用于使用离线模型优化方法来优化复杂高维物理系统的可微分扩散条件(D2C)方法。该方法利用条件扩散模型中反向去噪过程的可微分性,实现端到端的基于梯度的优化。D2C 通过反向传播去噪链中的梯度,整合冻结的代理目标和物理信息惩罚,从而可以直接优化条件变量。该框架在聚变激光脉冲优化、数据中心工作负载调度以及多个 Design-Bench 任务等任务上进行了评估,在实际应用中表现出色,并在基准测试中取得了有竞争力的结果。

  2. RESEARCH · CL_231454 ·

    新的可学习性概念提升离线数据驱动优化性能

    研究人员引入了一个名为“算法相关可学习性”的新概念,以解决传统离线数据驱动优化方法的局限性。与要求跨所有区域广泛学习的现有方法不同,这个新框架专注于优化器轨迹上的准确性。这一理论进展促成了“不确定性感知梯度引导轨迹学习”(UGTL)框架的开发,该框架构建和建模改进轨迹以选择多样化的候选解决方案。UGTL在五个Design-Bench任务上表现出色,优于其他25种方法。

  3. TOOL · CL_44995 ·

    新的SPADE框架利用扩散模型增强离线黑盒优化

    研究人员推出了一种用于离线黑盒优化的新框架SPADE,该框架使用扩散模型的条件生成建模。该方法通过引入用于全局一致性的校准扩散估计模块和用于遵守数据流形约束的支持邻近正则化机制来增强前向代理建模。SPADE在Design-Bench和LLM数据混合优化等基准测试中展示了最先进的性能。