影片進階EN6,078 次觀看
What Most People Get Wrong About Evolution | Akarsh Kumar
看影片（在新分頁開啟原站）連到 YouTube・Machine Learning Street Talk
其他版本：Podcast 版（在新分頁開啟）
摘要
探討演算法並非隨機搜尋，而是能保留部分解並逐步累積進化的強大機制。透過 ASAL 方法與大型語言模型結合，在人工生命模擬與 Core War 程式競賽中展現其優勢，並提出統計智慧與基於規律智慧的差異。
This talk clarifies that evolution is a powerful algorithm for solving combinatorial problems, demonstrating its effectiveness when combined with LLMs in artificial life simulations and programming competitions.
摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。
重點
- 演算法透過保留部分解，將指數搜尋轉為線性搜尋。
- 大型語言模型在演化迴圈中可演繹出超越人類寫作的程式。
- 演化的路徑依賴性塑造了更強健且具泛化能力的智慧結構。
提到的工具與公司
- ASAL
- Lenia
- Boids
適合誰看
對人工智慧演算法原理、機器學習最佳化策略及演算法設計感興趣的研究者與開發者。
摘要依據
- 講者
- Akarsh Kumar
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.66
- 新鮮
- 1.00
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- The space of minds文章 ・ Andrej Karpathy（部落格） ・
- AlphaEvolve: Using LLMs to solve Scientific and Engineering Challenges | AlphaEvolve explained影片 ・ AI Coffee Break with Letitia ・ 9 分鐘 ・
- When AI Discovers The Next Transformer - Robert Lange (Sakana)Podcast ・ Machine Learning Street Talk ・ 1 小時 18 分 ・
- Are AI Evals Broken? Anthropic/NYU’s Pavel Izmailov on LLM Evaluation, Reasoning & “Alien” BehaviorPodcast ・ The MAD Podcast ・ 45 分鐘 ・
- #475 – Demis Hassabis: Future of AI, Simulating Reality, Physics and Video GamesPodcast ・ Lex Fridman Podcast ・ 2 小時 35 分 ・
- Recursive Language Models — Alex Zhang, MIT PhD影片 ・ Latent Space ・
這個來源最近的內容
摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）