EvoForest: Evoluzione Aperta di Grafi Computazionali per il ML
Un nuovo paradigma di machine learning chiamato EvoForest è stato introdotto in un articolo su arXiv (2604.19761). Propone l'evoluzione aperta di grafi computazionali come alternativa all'ottimizzazione tradizionale dei parametri. Il sistema evolve congiuntamente strutture computazionali riutilizzabili, famiglie di funzioni richiamabili e componenti continui addestrabili, mirando a problemi di predizione strutturata dove scoprire cosa calcolare è il collo di bottiglia. Questo approccio neuro-simbolico ibrido affronta obiettivi non differenziabili, valutazione basata su convalida incrociata, interpretabilità e adattamento continuo.
Fatti principali
- EvoForest è un sistema neuro-simbolico ibrido per l'evoluzione aperta end-to-end del calcolo.
- Evolve congiuntamente struttura computazionale riutilizzabile, famiglie di funzioni richiamabili e componenti continui a bassa dimensionalità addestrabili.
- L'articolo è pubblicato su arXiv con ID 2604.19761.
- Si rivolge a problemi di predizione strutturata dove il collo di bottiglia principale è scoprire cosa dovrebbe essere calcolato dai dati.
- Il ML tradizionale si concentra sulla scelta di una famiglia di modelli parametrizzati e sull'ottimizzazione dei loro pesi.
- EvoForest affronta obiettivi non differenziabili, valutazione basata su convalida incrociata, interpretabilità e adattamento continuo.
- Il sistema evolve grafi computazionali anziché limitarsi a generare caratteristiche.
- L'approccio è descritto come un nuovo paradigma di machine learning.
Entità
Istituzioni
- arXiv