Younger：人工智能生成神经网络架构的第一个数据集

设计和优化神经网络架构通常需要大量专业知识，首先是手工设计，然后是手动或自动化的细化。这种依赖性构成了快速创新的重要障碁。鉴于从头自动生成神经网络架构的复杂性，我们引入了 Younger——一个推动这一目标的开创性数据集。该数据集源自来自多个公开模型中心超过 17.4 万个真实世界模型（涵盖 30 多种任务），包含 7,629 个唯一架构，每个架构均以带有详细算子级信息的有向无环图形式表示。该数据集支持两种主要设计范式：全局范式用于从头创建完整架构，局部范式用于进行细致的架构组件细化。通过建立这些能力，Younger 贡献于人工智能生成神经网络架构（AIGNNA）的新前沿。我们的实验探索了 Younger 用于自动化架构生成的潜力和有效性，以及作为基准数据集服务的次要收益，推动了图神经网络的发展。我们公开发布数据集和代码，以降低进入该领域的门槛，并鼓励进一步研究。