PhaseNAS：基于动态相位适应的语言模型驱动架构搜索
机器学习
2025-07-29 v1
摘要
神经网络架构搜索 (NAS) 面临在复杂任务中搜索空间探索与效率之间的权衡。虽然近期基于大语言模型的 NAS 方法显示出前景，但常因静态搜索策略和模糊的架构表示而受限。我们提出 PhaseNAS，一种基于大语言模型的 NAS 框架，采用实时评分阈值引导的动态相位转换，并引入结构化架构模板语言以确保代码生成一致性。在 NAS-Bench-Macro 基准上，PhaseNAS 稳定发现具有更高准确率和更佳排名的架构。对于图像分类 (CIFAR-10/100)，PhaseNAS 可将搜索时间缩短最高 86%，同时保持或提升准确率。在目标检测任务中，自动生成的 YOLOv8 变体实现更高 mAP 与更低资源消耗。这些结果表明，PhaseNAS 使 NAS 在 diverse vision 任务中实现了高效、自适应且通用的搜索能力。
引用
@article{arxiv.2507.20592,
title = {PhaseNAS: Language-Model Driven Architecture Search with Dynamic Phase Adaptation},
author = {Fei Kong and Xiaohan Shan and Yanwei Hu and Jianmin Li},
journal= {arXiv preprint arXiv:2507.20592},
year = {2025}
}
备注
14pages