Buchumschlag

Evolving Programmatic Skill Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Haochen, Yuan, Xingdi, Liu, Bang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Neural and Evolutionary Computing I.2.6; I.2.2; I.2.8
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoupleEvo: Evolving Heuristics for Coupled Optimization Problems Using Large Language Models
von: Bömer, Thomas, et al.
Veröffentlicht: (2026)

Combining Trained Models in Reinforcement Learning
von: Patil, Ujjwal, et al.
Veröffentlicht: (2026)

Reward-Modulated Local Learning in Spiking Encoders: Controlled Benchmarks with STDP and Hybrid Rate Readouts
von: Chakraborty, Debjyoti
Veröffentlicht: (2026)

Interactive LLM-assisted Curriculum Learning for Multi-Task Evolutionary Policy Search
von: Sakallioglu, Berfin, et al.
Veröffentlicht: (2026)

Shapley Value-Guided Adaptive Ensemble Learning for Explainable Financial Fraud Detection with U.S. Regulatory Compliance Validation
von: Uddin, Mohammad Nasir, et al.
Veröffentlicht: (2026)

REMoH: A Reflective Evolution of Multi-objective Heuristics approach via Large Language Models
von: Forniés-Tabuenca, Diego, et al.
Veröffentlicht: (2025)

Spiking Neural Network Architecture Search: A Survey
von: Svoboda, Kama, et al.
Veröffentlicht: (2025)

Evolved Developmental Artificial Neural Networks for Multitasking with Advanced Activity Dependence
von: Zhang, Yintong, et al.
Veröffentlicht: (2024)

The Paradox of Success in Evolutionary and Bioinspired Optimization: Revisiting Critical Issues, Key Studies, and Methodological Pathways
von: Molina, Daniel, et al.
Veröffentlicht: (2025)

Random-Key Algorithms for Optimizing Integrated Operating Room Scheduling
von: Vieira, Bruno Salezze, et al.
Veröffentlicht: (2025)

Evolving Code with A Large Language Model
von: Hemberg, Erik, et al.
Veröffentlicht: (2024)

AI and Machine Learning Approaches for Predicting Nanoparticles Toxicity The Critical Role of Physiochemical Properties
von: Yousaf, Iqra
Veröffentlicht: (2024)

A Parallel Hybrid Action Space Reinforcement Learning Model for Real-world Adaptive Traffic Signal Control
von: Wang, Yuxuan, et al.
Veröffentlicht: (2025)

Constrained Auto-Bidding via Generative Response Modeling
von: Yang, Eunseok, et al.
Veröffentlicht: (2026)

Sketch Decompositions for Classical Planning via Deep Reinforcement Learning
von: Aichmüller, Michael, et al.
Veröffentlicht: (2024)

LeanProgress: Guiding Search for Neural Theorem Proving via Proof Progress Prediction
von: George, Robert Joseph, et al.
Veröffentlicht: (2025)

NeSIG: A Neuro-Symbolic Method for Learning to Generate Planning Problems
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2023)

Learning to Select Goals in Automated Planning with Deep-Q Learning
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2024)

Trilevel Memetic Algorithm for the Electric Vehicle Routing Problem
von: Milinović, Ivan, et al.
Veröffentlicht: (2025)

From Next Token Prediction to (STRIPS) World Models
von: Núñez-Molina, Carlos, et al.
Veröffentlicht: (2025)

Resource-constrained Amazons chess decision framework integrating large language models and graph attention
von: Qian, Tianhao, et al.
Veröffentlicht: (2026)

Scalable Nested Optimization for Deep Learning
von: Lorraine, Jonathan
Veröffentlicht: (2024)

Searching Search Spaces: Meta-evolving a Geometric Encoding for Neural Networks
von: Kunze, Tarek, et al.
Veröffentlicht: (2024)

Bridging the Reasoning Gap: Small LLMs Can Plan with Generalised Strategies
von: Borro, Andrey, et al.
Veröffentlicht: (2025)

Vector Symbolic Architectures answer Jackendoff's challenges for cognitive neuroscience
von: Gayler, Ross W.
Veröffentlicht: (2004)

SIA: Self Improving AI with Harness & Weight Updates
von: Hebbar, Prannay, et al.
Veröffentlicht: (2026)

Accelerating Evolution: Integrating PSO Principles into Real-Coded Genetic Algorithm Crossover
von: Jin, Xiaobo, et al.
Veröffentlicht: (2025)

Is Selection All You Need in Differential Evolution?
von: Kitamura, Tomofumi, et al.
Veröffentlicht: (2025)

A Neuro-Symbolic Approach to Multi-Agent RL for Interpretability and Probabilistic Decision Making
von: Subramanian, Chitra, et al.
Veröffentlicht: (2024)

PIRS: Physics-Informed Reward Shaping for SAC-Based Building Energy Management
von: Zaregarizi, Shadmehr, et al.
Veröffentlicht: (2026)

Graph Neural Networks are Heuristics
von: Min, Yimeng, et al.
Veröffentlicht: (2026)

N-Agent Ad Hoc Teamwork
von: Wang, Caroline, et al.
Veröffentlicht: (2024)

ConfProBench: A Confidence Evaluation Benchmark for MLLM-Based Process Judges
von: Zhou, Yue, et al.
Veröffentlicht: (2025)

LAWS: Learning from Actual Workloads Symbolically -- A Self-Certifying Parametrized Cache Architecture for Neural Inference, Robotics, and Edge Deployment
von: Magarshak, Gregory
Veröffentlicht: (2026)

Foundational Requirements for Artificial General Intelligence: A Falsifiable Framework Based on Signal Prediction
von: Šprogar, Matej
Veröffentlicht: (2025)

Putnam-AXIOM: A Functional and Static Benchmark for Measuring Higher Level Mathematical Reasoning in LLMs
von: Gulati, Aryan, et al.
Veröffentlicht: (2025)

Adaptive Surrogate-Based Strategy for Accelerating Convergence Speed when Solving Expensive Unconstrained Multi-Objective Optimisation Problems
von: Banda, Tiwonge Msulira, et al.
Veröffentlicht: (2026)

Associative Constructive Evolution: Enhancing Metaheuristics through Hebbian-Learned Generative Guidance
von: Lin, Shanxian, et al.
Veröffentlicht: (2026)

Breaching the Bottleneck: Evolutionary Transition from Reward-Driven Learning to Reward-Agnostic Domain-Adapted Learning in Neuromodulated Neural Nets
von: Arnold, Solvi, et al.
Veröffentlicht: (2024)

Improving Industrial Injection Molding Processes with Explainable AI for Quality Classification
von: Rottenwalter, Georg, et al.
Veröffentlicht: (2025)