neuroevolution artificial-life evaluation-protocol
摘要

竞争性人工生命系统在训练和生态评估中可能对训练好的控制器进行不同排名。本文提出“神经进化竞技场”,这是一个由独立参数化神经网络细胞组成的GPU加速空间生态系统,以及一个审计追踪的嵌套评估协议。三种特定的更新与继承机制(EvoEvo、EvoRL和RLRL)与两种神经网络架构在50,000代中进行交叉实验,每种条件进行三次独立训练。从18次运行中保存的精英控制器进入对齐运行的冻结评估设计。结果显示,启用强化学习的机制获得更高的训练适应度,但成对结果表现出架构依赖性和显著的人工制品依赖性。本文贡献了一种将训练产物与评估上下文分离的嵌套协议,以揭示而非掩盖其不同的变异来源。

AI 推荐理由

论文核心研究神经进化(Neuroevolution)中的更新与继承机制,直接对应自我进化主题。

研究机构
University of York, United Kingdom
论文信息
作者 Yuxu Ge, Yifei Cheng
发布日期 2026-08-10
arXiv ID 2608.10323
相关性评分 9/10 (高度相关)