LLM-Evolved Regularization Schedules Prevent Posterior Collapse in Latent Factor Analysis via Dynamical Systems
Dit onderzoek toont aan dat door het gebruik van LLM-gebaseerde programma-evolutie (via FunSearch) adaptieve regularisatieschema's kunnen worden ontdekt die posterior collapse in LFADS voorkomen, wat een efficiënter alternatief biedt voor computationeel dure optimalisatiemethoden.