鲁棒 MAE 驱动的 NAS：从掩码重建到架构创新
机器学习
2026-01-29 v3 神经与进化计算
摘要
神经架构搜索（NAS）严重依赖标注数据，而获取此类数据耗时费力。本文提出一种基于无监督范式（具体而言为掩码自编码器（MAE））的新型 NAS 方法，从而免除了对标注数据的需求。通过以图像重建任务替代监督学习目标，我们的方法能够在不影响性能与泛化能力的前提下高效发现网络架构。此外，我们针对广泛使用的可微架构搜索（DARTS）在无监督设定下遇到的性能崩塌问题，设计了一种分层解码器加以解决。在多个数据集上的大量实验证明了我们方法的有效性与鲁棒性，为其优于同类方法提供了经验证据。
引用
@article{arxiv.2311.12086,
title = {Robust MAE-Driven NAS: From Mask Reconstruction to Architecture Innovation},
author = {Yiming Hu and Xiangxiang Chu and Yong Wang},
journal= {arXiv preprint arXiv:2311.12086},
year = {2026}
}