Meta-Learning

9 items

RESEARCHarXiv CS.CL·22/04/2026

Model-Agnostic Meta Learning for Class Imbalance Adaptation

Este artigo introduz o Hardness-Aware Meta-Resample (HAMR), uma estrutura unificada que aborda a adaptação à desequilíbrio de classes e à dificuldade dos dados em tarefas de PNL. HAMR utiliza otimizações de dois níveis e um mecanismo de reamostragem consciente da vizinhança para priorizar amostras difíceis e classes minoritárias, demonstrando melhorias substanciais em diversos conjuntos de dados desequilibrados.

Meta-Learning deep learning machine learning Natural Language Processing

RESEARCHarXiv CS.LG·16/04/2026

Generalization Guarantees on Data-Driven Tuning of Gradient Descent with Langevin Updates

Este artigo apresenta o algoritmo Langevin Gradient Descent (LGD) para problemas de regressão convexa, demonstrando que configurações ótimas de hiperparâmetros alcançam a solução ótima de Bayes. O trabalho também oferece garantias de generalização para meta-aprendizagem de hiperparâmetros ótimos do LGD, com um limite de pseudo-dimensão de O(dh).

Meta-Learning Optimization Generalization Hyperparameter Tuning

RESEARCHarXiv CS.AI·14/04/2026

AHC: Meta-Learned Adaptive Compression for Continual Object Detection on Memory-Constrained Microcontrollers

AHC é um framework de meta-aprendizagem para detecção contínua de objetos em microcontroladores com memória limitada, que se adapta a distribuições de tarefas em evolução. Ele utiliza compressão adaptativa baseada em MAML, compressão hierárquica multi-escala e uma arquitetura de memória dupla para evitar o esquecimento catastrófico dentro de um orçamento de 100KB.

Meta-Learning Adaptive Compression Microcontrollers object detection

ARTICLEDEV.to AI·07/05/2026

Meta-Optimized Continual Adaptation for circular manufacturing supply chains in carbon-negative infrastructure

O autor descreve um momento crucial em que a otimização estática, incluindo o meta-aprendizado, se mostrou obsoleta para cadeias de suprimentos de manufatura circular dinâmicas, falhando catastróficamente sob mudanças políticas repentinas, como um imposto de carbono. Essa experiência expôs a limitação fundamental dos métodos tradicionais na adaptação às complexidades do mundo real.

Meta-Learning carbon-negative infrastructure reinforcement learning supply chain optimization

RESEARCHarXiv CS.AI·01/05/2026

Compositional Meta-Learning for Mitigating Task Heterogeneity in Physics-Informed Neural Networks

Este artigo propõe o LAM-PINN, uma estrutura composicional de meta-aprendizagem para mitigar a heterogeneidade de tarefas em Redes Neurais Informadas pela Física (PINNs). Ele aborda o desafio de treinar PINNs para famílias de equações diferenciais parciais (PDEs) com custos computacionais elevados ou transferência negativa sob condições de escassez de dados.

Meta-Learning neural networks Physics-Informed Neural Networks partial differential equations

RESEARCHarXiv CS.LG·27/04/2026

Mochi: Aligning Pre-training and Inference for Efficient Graph Foundation Models via Meta-Learning

Mochi é um Modelo de Fundação Gráfica que melhora a eficiência e unificação de tarefas através de uma estrutura de treinamento baseada em meta-aprendizagem. Ele realiza o pré-treinamento com episódios few-shot que espelham a avaliação downstream, superando as limitações dos métodos tradicionais e alcançando desempenho competitivo.

Meta-Learning Model Alignment Graph Neural Networks Foundation Models

RESEARCHarXiv CS.LG·07/05/2026

A Self-Attentive Meta-Optimizer with Group-Adaptive Learning Rates and Weight Decay

MetaAdamW é um novo otimizador que utiliza um mecanismo de autoatenção para ajustar dinamicamente as taxas de aprendizado e o decaimento de peso por grupo de parâmetros, superando a uniformidade de outros otimizadores. Seu módulo de atenção é treinado por um objetivo de meta-aprendizagem que integra alinhamento de gradiente, diminuição de perda e lacuna de generalização.

Meta-Learning deep learning learning AI Research

RESEARCHarXiv CS.AI·30/04/2026

OMEGA: Optimizing Machine Learning by Evaluating Generated Algorithms

O OMEGA é um framework completo que automatiza a pesquisa em IA, desde a geração de ideias até o código executável, utilizando engenharia de meta-prompts e geração de código. Ele criou novos classificadores ML que superam os baselines do scikit-learn em 20 datasets de benchmark.

Meta-Learning machine learning code generation Algorithms

RESEARCHarXiv CS.AI·19d atrás

SOLAR: A Self-Optimizing Open-Ended Autonomous Agent for Lifelong Learning and Continual Adaptation

SOLAR é um agente autônomo de IA projetado para superar desafios de modelos de linguagem grandes em ambientes dinâmicos, permitindo aprendizado vitalício e adaptação contínua. Ele utiliza meta-aprendizagem em nível de parâmetro e aprendizado por reforço multi-nível para autoaperfeiçoamento e descoberta de estratégias de adaptação.

Meta-Learning reinforcement learning learning Lifelong Learning