MAP-Elites
PulseAugur coverage of MAP-Elites — every cluster mentioning MAP-Elites across labs, papers, and developer communities, ranked by signal.
- 2026-05-30 research_milestone A new quality-diversity evolutionary framework was introduced for discovering diverse vulnerabilities in LLM safety. 来源
1 天有情绪数据
-
新的AI代理自主生成和优化时间序列预测代码
研究人员推出SEA-TS（用于时间序列算法的自进化代理），一个旨在自主生成和优化时间序列预测代码的新框架。该系统采用自进化循环，结合了用于搜索指导的度量优势MCTS、带有提示精炼的代码审查以及用于跨轨迹全局推理。在四个数据集上的评估中，SEA-TS在八项比较中的七项上优于TimeMixer、Timer和SEMixer等强基线。
-
新模拟分解金融市场动态
研究人员开发了一种演化多主体模拟来分析金融市场动态。通过在模拟中使四个关键机制可插拔，他们能够分离选择、微观结构和行为偏差对市场结果的影响。研究发现，选择机制显著增加了策略多样性，而微观结构改进增强了市场真实性。相反，放大行为偏差会导致脆弱性增加，而不会提高真实性。
-
AI利用进化搜索生成新颖声音
研究人员开发了一种新颖的生成声音合成系统，该系统将质量多样性（QD）算法与监督判别模型相结合。这种方法受到创新引擎算法的启发，通过利用进化过程来自动化搜索多样化和创新的声音。该研究介绍了一种使用多个专门的组合模式生成网络（CPPNs）和数字信号处理（DSP）图的新方法，其性能与单CPPN设置相当，同时简化了网络。
-
LLM引导的进化增强了医疗决策流程
研究人员开发了一种名为LLM-Guided Evolution的新方法，该方法使用由大型语言模型（LLM）引导的进化算法来发现有效的医疗决策策略，而无需昂贵的微调。该方法应用于紧急分诊、交互式咨询和医学图像分类，与现有方法相比显示出显著的改进。进化的程序提高了分诊的准确性和召回率，优化了各种LLM在咨询中的准确性-成本边界，并在保持结构化输出的同时提高了图像分类性能。
-
U-Net 加速气候适应性城市布局优化
研究人员开发了一种基于 U-Net 的深度学习模型，以加速气候适应性城市布局的优化。该方法用空间代理模型取代了缓慢的物理模拟，显著提高了效率。U-Net 模型表现出强大的性能，在适应性排名中实现了高精度，并在不到十分钟的时间内生成了数千种经过气候评估的多样化建筑布局。
-
MAP-Elites算法生成多样化的FPS游戏地图
研究人员探索了使用MAP-Elites算法（一种质量多样性技术）来程序化生成第一人称射击（FPS）游戏地图。该研究引入了新的地图表示方法，包括点线（Point-Line）和空间布局（Spatial-Layout），以及现有的全黑（All-Black）和网格图（Grid-Graph）方法。通过定义拓扑和涌现式游戏性属性的度量标准，研究团队确定了指导MAP-Elites照明过程的关键特征，最终生成了多样化且高质量的FPS地图。
-
新的进化框架揭示大语言模型安全漏洞
研究人员开发了一个新的质量-多样性进化框架，用于识别大语言模型中的漏洞。该方法名为 MAP-Elites，能够生成可解释的攻击策略，而不仅仅是 token 序列，从而在不同的行为维度上实现多样化的攻击库。在 GPT-4o-mini、Claude 3.5 Sonnet 和 Gemini 2.0 Flash 等模型上进行的实验揭示了模型特有的不同弱点，为增强大语言模型安全性提供了可操作的见解。
-
AlphaContext生成器通过进化AI增强创造力评估
研究人员开发了AlphaContext，这是一个新颖的系统，旨在生成用于评估创造力的心理测量上下文，创造力在AI协作时代日益重要。这种基于进化树的生成器通过改进评估线索、叙事连贯性、风格多样性和创造性思维支持，解决了现有基于LLM的工具的局限性。AlphaContext采用多阶段流程，包括分层规划、蒙特卡洛树搜索和进化优化，以提高上下文质量和多样性，与竞争方法相比平均提高了8%。
-
研究人员开发了可扩展任务合成和多任务优化新方法
研究人员推出了一种新颖的多任务优化算法MONET，该算法通过将任务空间建模为图来处理大量任务。这种方法允许在相互连接的任务之间进行知识转移，克服了现有方法在可扩展性方面遇到的困难或忽略任务拓扑结构的局限性。MONET结合了通过与邻近任务的交叉进行社会学习以及通过变异进行个体学习。在射箭、手臂控制、倒立摆和六足机器人等领域的评估表明，MONET的性能与当前的MAP-Elites基线相当或更优。