LLM-Evolved Regularization Schedules Prevent Posterior Collapse in Latent Factor Analysis via Dynamical Systems
이 논문은 LLM 기반의 프로그램 진화 알고리즘(FunSearch)을 활용하여, 기존의 비용이 많이 드는 인구 기반 학습(PBT) 없이도 LFADS 모델의 후험 분포 붕괴(posterior collapse)를 방지하고 잠재 표현력을 유지하는 적응형 정규화 스케줄을 찾아냈습니다.