MIDAS提出基于动态输入的可微架构搜索方法

2026年10月28日，arXiv发布论文介绍MIDAS架构。该方法针对现有可微架构搜索（如DARTS）使用静态架构参数的问题，提出一种改进方案。 MIDAS通过引入自注意力机制，利用动态的输入特定参数替代静态参数，实现更灵活的架构搜索。其核心改进在于参数不再固定，而是随输入数据动态调整。 实验结果显示，在DARTS搜索空间下，MIDAS于CIFAR-10数据集达到97.42%的Top-1准确率，在CIFAR-100数据集达到83.38%。这些数据展示了该方法在图像分类任务上的具体性能表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。