LLM-Evolved Regularization Schedules Prevent Posterior Collapse in Latent Factor Analysis via Dynamical Systems
Questo studio dimostra che l'evoluzione di programmi basata su LLM (tramite FunSearch) può generare programmi di regolarizzazione adattivi per LFADS che prevengono il collasso della distribuzione posteriore in modo più efficiente rispetto ai metodi tradizionali, mantenendo al contempo un'elevata qualità di ricostruzione.