DIFFNAS提出结合扩散模型与零成本评估的无预测器架构搜索框架

Yize Sun、Hanzhang Ma 等研究人员提出 DIFFNAS 无预测器神经架构搜索框架，将离散图扩散模型与 MeCo、SWAP 等零成本性能指标结合，用于指导神经网络架构生成和筛选，无需预训练性能预测器。 在 NAS-Bench-201 搜索空间的实验中，DIFFNAS 为 CIFAR-10 和 CIFAR-100 找到最优架构，准确率分别达到 94.37% 和 73.51%，搜索成本相比 DiffusionNAG 最多降低 17.5 倍。但在 MobileNetV3 搜索空间中，DIFFNAS 的准确率低于 DiffusionNAG，表明其性能优势并未覆盖所有搜索空间。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。