Buchumschlag

Position: Leverage Foundational Models for Black-Box Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Song, Xingyou, Tian, Yingtao, Lange, Robert Tjarko, Lee, Chansoo, Tang, Yujin, Chen, Yutian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Neural and Evolutionary Computing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models As Evolution Strategies
von: Lange, Robert Tjarko, et al.
Veröffentlicht: (2024)

Evolution Transformer: In-Context Evolutionary Optimization
von: Lange, Robert Tjarko, et al.
Veröffentlicht: (2024)

Competition and Attraction Improve Model Fusion
von: Abrantes, João, et al.
Veröffentlicht: (2025)

Discovering Quality-Diversity Algorithms via Meta-Black-Box Optimization
von: Faldor, Maxence, et al.
Veröffentlicht: (2025)

Reinforced In-Context Black-Box Optimization
von: Song, Lei, et al.
Veröffentlicht: (2024)

BayesNAM: Leveraging Inconsistency for Reliable Explanations
von: Kim, Hoki, et al.
Veröffentlicht: (2024)

MetaBox-v2: A Unified Benchmark Platform for Meta-Black-Box Optimization
von: Ma, Zeyuan, et al.
Veröffentlicht: (2025)

Towards Universal Offline Black-Box Optimization via Learning Language Model Embeddings
von: Tan, Rong-Xi, et al.
Veröffentlicht: (2025)

Topic Modelling Black Box Optimization
von: Akramov, Roman, et al.
Veröffentlicht: (2025)

Pretrained Optimization Model for Zero-Shot Black Box Optimization
von: Li, Xiaobin, et al.
Veröffentlicht: (2024)

Instance Generation for Meta-Black-Box Optimization through Latent Space Reverse Engineering
von: Wang, Chen, et al.
Veröffentlicht: (2025)

OPAL: Operator-Programmed Algorithms for Landscape-Aware Black-Box Optimization
von: Lian, Junbo Jacob, et al.
Veröffentlicht: (2025)

Automating the Search for Artificial Life with Foundation Models
von: Kumar, Akarsh, et al.
Veröffentlicht: (2024)

BBOPlace-Bench: Benchmarking Black-Box Optimization for Chip Placement
von: Xue, Ke, et al.
Veröffentlicht: (2025)

TESO Tabu Enhanced Simulation Optimization for Noisy Black Box Problems
von: Soykan, Bulent, et al.
Veröffentlicht: (2025)

A Generative Neural Annealer for Black-Box Combinatorial Optimization
von: Zhang, Yuan-Hang, et al.
Veröffentlicht: (2025)

Can We Optimize Deep RL Policy Weights as Trajectory Modeling?
von: Tang, Hongyao
Veröffentlicht: (2025)

Foundations of Interpretable Models
von: Barbiero, Pietro, et al.
Veröffentlicht: (2025)

Physics-Guided Foundation Model for Scientific Discovery: An Application to Aquatic Science
von: Yu, Runlong, et al.
Veröffentlicht: (2025)

Task-free Adaptive Meta Black-box Optimization
von: Wang, Chao, et al.
Veröffentlicht: (2026)

Towards White Box Deep Learning
von: Satkiewicz, Maciej
Veröffentlicht: (2024)

CATBench: A Compiler Autotuning Benchmarking Suite for Black-box Optimization
von: Tørring, Jacob O., et al.
Veröffentlicht: (2024)

Stein Variational Evolution Strategies
von: Braun, Cornelius V., et al.
Veröffentlicht: (2024)

Towards Foundation Models for Consensus Rank Aggregation
von: Jin, Yijun, et al.
Veröffentlicht: (2026)

EOE: Evolutionary Optimization of Experts for Training Language Models
von: Chen, Yingshi
Veröffentlicht: (2025)

Spikingformer: A Key Foundation Model for Spiking Neural Networks
von: Zhou, Chenlin, et al.
Veröffentlicht: (2023)

Breaking Free: How to Hack Safety Guardrails in Black-Box Diffusion Models!
von: Kotyan, Shashank, et al.
Veröffentlicht: (2024)

A Learn-to-Optimize Approach for Coordinate-Wise Step Sizes for Quasi-Newton Methods
von: Lin, Wei, et al.
Veröffentlicht: (2024)

BlackDAN: A Black-Box Multi-Objective Approach for Effective and Contextual Jailbreaking of Large Language Models
von: Wang, Xinyuan, et al.
Veröffentlicht: (2024)

Surrogate Benchmarks for Model Merging Optimization
von: Akizuki, Rio, et al.
Veröffentlicht: (2025)

Offline Model-Based Optimization by Learning to Rank
von: Tan, Rong-Xi, et al.
Veröffentlicht: (2024)

The Society of HiveMind: Multi-Agent Optimization of Foundation Model Swarms to Unlock the Potential of Collective Intelligence
von: Mamie, Noah, et al.
Veröffentlicht: (2025)

Quality-Diversity Red-Teaming: Automated Generation of High-Quality and Diverse Attackers for Large Language Models
von: Wang, Ren-Jian, et al.
Veröffentlicht: (2025)

Drawback of Enforcing Equivariance and its Compensation via the Lens of Expressive Power
von: Chen, Yuzhu, et al.
Veröffentlicht: (2025)

Agent-GWO: Collaborative Agents for Dynamic Prompt Optimization in Large Language Models
von: Wang, Xudong, et al.
Veröffentlicht: (2026)

Agent Skill Acquisition for Large Language Models via CycleQD
von: Kuroki, So, et al.
Veröffentlicht: (2024)

Position: Biology is the Challenge Physics-Informed ML Needs to Evolve
von: Martinelli, Julien
Veröffentlicht: (2025)

Position: Graph Learning Will Lose Relevance Due To Poor Benchmarks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2025)

Continual Learning with Neuromorphic Computing: Foundations, Methods, and Emerging Applications
von: Minhas, Mishal Fatima, et al.
Veröffentlicht: (2024)

Neural Exploratory Landscape Analysis for Meta-Black-Box-Optimization
von: Ma, Zeyuan, et al.
Veröffentlicht: (2024)